近日，由英國華威大學的大衛·阿姆斯特朗（David Armstrong）領導的研究團隊開發了一項新的機器學習(xi) 算法，可以從(cong) NASA的舊數據中識別出係外行星——即太陽係外的行星。該團隊已通過這一工具對一批潛在行星進行了識別，並從(cong) 這些天體(ti) 中確認出了50個(ge) 新的行星。該研究的論文發表在《皇家天文學會(hui) 月刊》上。

　　天文學家有2種方法可以用來探測係外行星。一種是徑向速度方法，它用來監測恒星是否有行星引力引起的小反運動。第二種是更敏感的技術， 也是淩日係外行星巡天衛星和開普勒采用的技術， 它主要依靠宿主星的亮度變化。如果一個(ge) 恒星係的平麵對準正確，從(cong) 我們(men) 的角度看，它的行星就會(hui) 在恒星前麵過境。通過監測這些亮度的變化，我們(men) 可以很有把握地推斷出係外行星的存在。問題是，第二種方法產(chan) 生了大量恒星的亮度數據，其中許多恒星不會(hui) 有可見的係外行星。這就需要計算機分析和人工相結合，才能確定候選星並確認它們(men) 的存在。

　　論文作者在摘要中寫(xie) 道：“我們(men) 的模型隻要短短幾秒就能對數千個(ge) 肉眼看不見的候選行星進行識別，確認其是否真的是行星。”考慮到許多天文學數據庫的規模都大得驚人，該方法有望大大提高人們(men) 探索世界的效率。

　　這一算法的原理是將真假行星區分開來。阿姆斯特朗在一份聲明中說：“我們(men) 現在不僅(jin) 能說哪些候選行星‘更可能’是行星，而是可以用確切的數據說明這種可能性有多大：如果候選天體(ti) 是‘假行星’的可能性小於(yu) 1％，就可以被確認為(wei) 是真正的行星。”

　　研究人員並不是隨便打開一個(ge) 開關(guan) ，就能讓人工智能通過數據篩選來發現行星。他們(men) 必須用已確認的係外行星和假陽性的數據來訓練神經網絡，這樣它才能在新的數據中識別出那些明顯的跡象。華威大學確認的50顆係外行星中，從(cong) 海王星大小的氣體(ti) 巨行星到比地球還小的岩石世界，無所不包。而使用傳(chuan) 統方法確認較小的行星存在一定困難，這也說明了人工智能在確認較小行星方麵的潛力。

　　根據新的研究，在所有確認的係外行星中，大約有三分之一是用單一的分析方法確認的，這並不理想。科學家們(men) 說，即使現有的技術能夠發現所有可觀測到的係外行星，我們(men) 也應該有更多的選擇。他們(men) 希望新的機器學習(xi) 係統在檢測更多行星的過程中不斷發展，成為(wei) 係外行星探索過程中的重要組成部分。