科学家用一种新的人工智能（AI）系统，确认了100多颗系外行星，其中包括31个新发现的天体。该团队将这一工具应用于美国国家航空航天局（NASA）凌日系外行星勘测卫星（TESS）的数据中。TESS会扫描天空，捕捉行星从母星前经过时产生的微弱星光变暗现象。

打开网易新闻 查看精彩图片

这些新确认的行星包含几个有趣的类别。其中一些是超短周期行星，绕母星运行一周不到24小时。还有一些位于所谓的“海王星沙漠”——根据当前理论，这一区域几乎没有行星存在。该研究还发现了密集排列的多行星系统，包括此前未知的、围绕同一颗恒星运行的行星对。

现代行星探测任务通常会发现数千颗潜在行星，但确定哪些信号是真实的仍然很难。许多虚假信号与行星的信号很像，例如食双星。

“探测的难点在于判断星光变暗究竟由绕恒星运行的行星引起，还是由食双星等其他天体现象所导致，而这正是RAVEN试图解决的问题。”RAVEN模型的主导开发者、华威大学的Andreas Hadjigeorghiou表示，“它的优势源于我们精心创建的数据集，其中包含数十万个真实模拟的行星及其他可能伪装成行星的天体物理事件。我们训练机器学习模型来识别数据中的模式，以此判断所探测到的天体事件类型，这正是AI模型所擅长的。”

“此外，RAVEN可一次性完成整个流程——从信号检测，到通过机器学习进行审查，再到进行统计验证。这使该模型比仅关注工作流程特定环节的当前工具更有优势。”Hadjigeorghiou说。

研究显示，约9%至10%的类太阳恒星拥有一颗近距离行星。这与NASA开普勒任务的早期发现一致，但新的分析大大降低了不确定性。

该团队还首次直接测算出“海王星沙漠”行星的罕见程度，发现这类行星仅出现在0.08%的类太阳恒星周围。