據(jù)物理學家組織網(wǎng)25日報道，英國科學家開發(fā)出一種新的機器學習算法，已用其確認了50顆系外行星。這是天文學家首次使用機器學習技術(shù)分析潛在行星樣本，并確定哪些是真實的，哪些是“假”或假陽性，從而計算出每顆候選行星為一顆真正行星的概率。

最新研究結(jié)果發(fā)表于《皇家天文學會月刊》上，該研究還首次對此類行星驗證技術(shù)進行了大規(guī)模比較。研究人員表示，他們的結(jié)論為未來使用多種驗證技術(shù)(包括他們的機器學習算法)統(tǒng)計并確認系外行星的發(fā)現(xiàn)提供了堅實基礎。

目前許多系外行星調(diào)查都借助凌星法來收集大量數(shù)據(jù)。所謂凌星法指的是行星通過恒星前方時，會導致望遠鏡探測到的恒星發(fā)出的光線明顯下降，但這也可能是由于背景物體的干擾，甚至相機中的微小誤差所致，這些“假陽性”可以在行星驗證過程中篩選出來。

華威大學物理與計算機科學系以及艾倫·圖靈研究所的研究人員構(gòu)建了一種基于機器學習技術(shù)的算法，隨后使用美國國家航空航天局的開普勒和 “凌日系外行星勘探衛(wèi)星(TESS)”望遠鏡任務等獲得的數(shù)千顆候選行星樣本進行訓練，接著在開普勒望遠鏡尚未確認的候選行星數(shù)據(jù)集上使用該算法，確認了50顆行星，這些行星是首批被機器學習“驗明正身”的行星。

研究人員指出，這50顆行星大小不一，從像海王星一樣大到比地球小，公轉(zhuǎn)周期從200天到一天不等，天文學家接下來可以使用專用望遠鏡優(yōu)先對它們進行進一步觀察。

研究人員表示，該算法經(jīng)過訓練效率比現(xiàn)有技術(shù)更高，并且可以完全自動化，非常適合分析TESS等當前調(diào)查中觀察到的數(shù)千個行星候選物，也可以成為將來用于給行星“驗明正身”的工具之一。

關鍵詞： 機器學習算法 行星