据《科技日报》2024年10月21日消息，中国科学院上海天文台等单位的研究人员创新设计了一种结合GPU相位折叠和卷积神经网络的深度学习算法，并利用该算法成功在开普勒太空望远镜的恒星测光数据中发现5颗超短周期行星。其中4颗，是迄今为止发现的距其主星最近的最小行星，大小类似火星。这是天文学家首次利用AI一次性完成搜寻疑似信号和识别真信号任务。这项研究为在高精度光度观测数据中快速、高效搜寻凌星信号提供了新的研究方式，也充分展示出AI在海量天文数据中探寻微弱信号的广泛应用潜力。相关研究成果已在线发表于《皇家天文学会月报》。

这项研究工作始于2015年，中国科学院上海天文台葛健教授带领团队尝试将AI的深度学习技术应用于开普勒太空望远镜所收集的恒星测光数据，寻找传统方法未能检测到的微弱凌星信号。经过近10年努力，葛健团队终于有了第一份收获。

葛健认为，要想使用AI在海量天文数据中“挖”到极其稀少的新发现，就需要创新AI算法，并且利用基于新发现现象物理图像特征所生成的大规模数据集进行训练，使之能快速、准确、完备地探寻到很难在传统方式下找到的稀少而微弱的信号。

信息来源：

https://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2024-10/21/content_579151.htm?div=-1