近日，由英国华威大学的大卫·阿姆斯特朗（David Armstrong）领导的研究团队开发了一项新的机器学习算法，可以从NASA的旧数据中识别出系外行星——即太阳系外的行星。该团队已通过这一工具对一批潜在行星进行了识别，并从这些天体中确认出了50个新的行星。该研究的论文发表在《皇家天文学会月刊》上。
天文学家有2种方法可以用来探测系外行星。一种是径向速度方法，它用来监测恒星是否有行星引力引起的小反运动。第二种是更敏感的技术， 也是凌日系外行星巡天卫星和开普勒采用的技术， 它主要依靠宿主星的亮度变化。如果一个恒星系的平面对准正确，从我们的角度看，它的行星就会在恒星前面过境。通过监测这些亮度的变化，我们可以很有把握地推断出系外行星的存在。问题是，第二种方法产生了大量恒星的亮度数据，其中许多恒星不会有可见的系外行星。这就需要计算机分析和人工相结合，才能确定候选星并确认它们的存在。
论文作者在摘要中写道：“我们的模型只要短短几秒就能对数千个肉眼看不见的候选行星进行识别，确认其是否真的是行星。”考虑到许多天文学数据库的规模都大得惊人，该方法有望大大提高人们探索世界的效率。
这一算法的原理是将真假行星区分开来。阿姆斯特朗在一份声明中说：“我们现在不仅能说哪些候选行星‘更可能’是行星，而是可以用确切的数据说明这种可能性有多大：如果候选天体是‘假行星’的可能性小于1％，就可以被确认为是真正的行星。”
研究人员并不是随便打开一个开关，就能让人工智能通过数据筛选来发现行星。他们必须用已确认的系外行星和假阳性的数据来训练神经网络，这样它才能在新的数据中识别出那些明显的迹象。华威大学确认的50颗系外行星中，从海王星大小的气体巨行星到比地球还小的岩石世界，无所不包。而使用传统方法确认较小的行星存在一定困难，这也说明了人工智能在确认较小行星方面的潜力。
根据新的研究，在所有确认的系外行星中，大约有三分之一是用单一的分析方法确认的，这并不理想。科学家们说，即使现有的技术能够发现所有可观测到的系外行星，我们也应该有更多的选择。他们希望新的机器学习系统在检测更多行星的过程中不断发展，成为系外行星探索过程中的重要组成部分。
