中国科学院上海天文台教授葛健领导的一支国际科研团队，近期在《皇家天文学会月报》上发表了一项重要研究成果。他们利用创新的深度学习算法，首次一次性完成了疑似信号搜寻和真信号识别的任务，成功发现了5颗直径小于地球、轨道周期短于1天的超短周期行星。这些行星因其极端的环境条件和特殊的轨道特征，被天文学家形象地称为“熔岩世界”。
这一发现不仅丰富了系外行星的样本库，还为科学家们探索超短周期行星的形成机制提供了新的线索。2011年，超短周期系外行星首次在开普勒望远镜的数据中被发现，它们的存在对行星形成理论既是机遇也是挑战。葛健教授表示，他的团队受到人工智能AlphaGo在2015年引起轰动的启发，开始尝试将深度学习技术应用于分析开普勒数据集。
为了实现这一目标，团队需要开发新的算法，并对算法进行针对性的训练，以确保能够从海量数据中快速、准确、完备地探寻到稀少而微弱的信号。经过近十年的不懈努力，他们终于取得了这一突破性成果。新算法比国际流行的算法搜寻速度提高了约15倍，显著提高了凌星信号的搜索速度、精度和完备度。
在这5颗新发现的超短周期行星中，有4颗是迄今为止发现的距离其主星最近的最小行星，它们的大小与火星相近。葛健教授强调，这些行星的发现不仅为科学家们提供了更多样化的系外行星样本，还将有助于他们更深入地理解超短周期行星的形成机制。
