转自：公共网萝莉 调教

[公共网科技概述报说念]10月16日音问，由中国科学院上海天文台葛健讲明率领的外洋团队，于近日研发了一种连结GPU相位折叠和卷积神经网罗的深度学习算法，并在开普勒（Kepler）2017年开释的恒星测光数据中发现了五颗直径小于地球、轨说念周期短于1天的超短周期行星。其中，四颗是迄今为止发现的距其主星最近的最小行星，相通火星大小。

萝莉 调教

据悉，这是天文体家初度行使东说念主工智能一次性完成搜寻疑似信号和识别真信号的任务。关系商议铁心发表在《皇家天文体会月报》（MNRAS）上。

左证中国科学院官网信息，进程5年的致力和改进，科研团队设立了连结GPU相位折叠和卷积神经网罗的深度学习的新算法GPFC。该算法比外洋崇高行的BLS法搜寻速率提升了约15倍，检测准确度和完备度各提升约7%，提升了凌星信号搜索速率、精度和完备度。该算法已应用于Kepler的数据鸠合，并识别出五颗新的超短周期行星——Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c和Kepler-2003b。其中，Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-963c差别位列迄今为止发现的最小超短周期行星中的第一、第二、第三和第五名。Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-2003b是最接近其主星的袖珍行星，其轨说念半径在5个恒星半径以内，展现了新算法在搜寻细小凌星信号的上风。

据先容萝莉 调教，这些超短周期行星的存在为行星系统的早期演化、行星-行星相互作用以及恒星-行星相互作用的能源学（包括潮汐力和大气侵蚀）商议提供了重要脚迹，对行星酿成表面商议具有遑急意旨。这一铁心为在高精度光度不雅测数据中快速而高效搜寻凌星信号提供了新的商议形态，见地了东说念主工智能在天文海量数据中探寻细小信号的应用后劲和远景。