中国科学院上海天文台葛健教授领导的一支国际科研团队，近期在探索宇宙奥秘方面取得了突破性进展。他们利用创新深度学习算法，成功发现了5颗直径小于地球、轨道周期不足1天的超短周期行星。这一发现标志着天文学家首次运用人工智能技术，同时完成了疑似信号的搜寻与真信号的识别，相关研究成果已在《皇家天文学会月报》上发表。
超短周期行星，因其极端的环境条件和独特的天文现象，被天文学家形象地称为“熔岩世界”。这类行星表面温度极高，且频繁的火山活动是其显著特征。自2011年首次在开普勒望远镜的数据中被发现以来，超短周期行星便为行星形成理论带来了新的机遇和挑战。
葛健教授在谈及研究灵感时提到，2015年人工智能AlphaGo的崛起给了他极大的启发。他尝试将深度学习技术应用于开普勒数据集的分析中，旨在从海量数据中快速、准确、全面地挖掘出微弱而稀少的行星信号。经过近十年的不懈努力，团队终于迎来了他们的第一份收获。
该团队所发展的深度学习新算法，相较于国际流行的算法，搜寻速度提高了约15倍，显著提升了凌星信号的搜索效率、精度和完备度。在这套算法的帮助下，他们在开普勒数据集中成功识别出了5颗新的超短周期行星，其中4颗是迄今为止发现的距其主星最近的最小行星，大小与火星相仿。
葛健教授表示，这些新发现的超短周期行星为我们提供了更多样化的系外行星样本，有望帮助我们更深入地理解超短周期行星的形成机制。
