用AI分析TESS数据发现百颗新系外行星

这幅艺术家插画展示了一颗超短周期行星绕其恒星运行的场景。这类系外行星绕恒星运行一周所需时间不到一个地球日。一些科学家认为，这些系外行星是曾经体积大得多的气态巨行星剩下的岩石核心，其大气层已被恒星剥离。图片来源：美国国家航空航天局（NASA）、欧洲空间局（ESA）以及A.Schaller（为空间望远镜科学研究所STScI绘制）

人工智能（AI）和机器学习（ML）正在为天文学做出越来越大的贡献。随着强大的望远镜和大型自动化巡天项目变得越来越普遍，它们产生的海量数据需要同样强大的诊断工具。维拉鲁宾天文台及其巨大的数据生成能力就很好地说明了这一点。该天文台的时空遗产巡天项目每晚生成多达20太字节的数据，这些数据在专门的设施中进行处理。

鲁宾天文台是数据生成领域的佼佼者，但开普勒、苔丝等系外行星探测任务也会产生需要分析的自身数据。科学家们仍在处理这些数据，并且随着时间的推移，他们正越来越多地、更好地利用人工智能与机器学习技术来挖掘这些数据，寻找未被发现的系外行星。

一组科学家开发了一款专门针对TESS的机器学习工具。它名为RAVEN，是系外行星排序与验证（RAnkingandValidationofExoplaNets）的缩写。开发该工具的科学家将RAVEN描述为一款新开发的TESS系外行星候选体审查与验证流程。

在一项研究中，一组系外行星研究人员使用RAVEN工具分析了超过200万颗恒星的TESS