强大的AI在NASA数据中发现100多颗隐藏行星，包括罕见和极端星球

寻找系外行星，是一项在宇宙尺度上找针的工作。光靠人眼和经验，根本跟不上望远镜数据产生的速度。但一套名叫RAVEN的人工智能流水线，正在把这件事变得截然不同。

英国华威大学天文学团队近日在《皇家天文学会月报》上发表了两项研究成果，宣告RAVEN系统对NASA苔丝望远镜前四年采集的数据完成了系统性扫描，成功确认了118颗系外行星，其中31颗是全新发现，同时筛选出超过2000个高质量行星候选体，其中近千个此前从未被记录在案。

这是迄今为止对短周期系外行星最精细的一次普查。

RAVEN是怎么工作的

苔丝望远镜的工作原理，是捕捉恒星亮度的微弱下降，当一颗行星从恒星前方经过，会短暂遮挡部分星光，亮度曲线上便出现一个细小的凹陷。但问题是，能产生类似信号的天文事件不止行星遮星一种，双星系统相互遮掩会产生几乎一模一样的光变曲线，仪器本身的噪声也可能制造假信号，人工逐一辨别220万颗恒星的数据，在时间上根本不现实。

RAVEN的设计逻辑，是把这个辨别过程交给经过训练的机器学习模型。

研究团队为此构建了一个包含数十万个精确模拟行星遮星事件和其他天体物理现象的训练数据集，让模型学会从光变曲线的细节中识别出信号的真实来源。更重要的是，RAVEN并不是一个只做某一步工作的工具，它把信号探测、机器学习筛选、统计验证这三个环节整合在同一个流水线中，全程自动化运行，大幅减少了不同工具之间的人工衔接误差。

华威大学的安德烈亚斯·哈吉乔治乌博士说得很直白："RAVEN的强项在于我们精心构建的模拟数据集，我们训练机器学习模型去识别数据中的模式，这正是AI模型最擅长的事情。"

发现了什么，为什么重要

118颗确认行星中，有几类特别值得关注。

一类是超短周期行星，轨道周期不足24小时，它们绕恒星一圈所用的时间，比地球上大多数工作周还短。这类行星的存在极度靠近母星，表面温度极高，是检验行星形成和大气逃逸理论的极端实验场。

另一类落在所谓的"海王星荒漠"区域，这是一个理论上应该几乎没有行星存在的特殊轨道范围，因为强烈的恒星辐射会把行星大气迅速剥离，留不住合适尺寸的行星。研究团队首次对这片"荒漠"的稀疏程度做出了精确定量，发现这类行星在类太阳恒星中的发生率仅为0.08%，印证了理论预测，也为理解行星大气演化提供了新的数据锚点。

整体而言，研究显示约9%至10%的类太阳恒星拥有至少一颗近距轨道行星，这与此前开普勒望远镜的统计结果一致，但新研究的不确定性缩小了足足十倍，意味着这个数字现在可以被当作更可靠的宇宙基准来使用。

AI与天文学的新时代

这两项研究加在一起，揭示了一个正在快速推进的范式转变。

过去，一颗系外行星的确认往往需要大量的人工审核和反复的后续观测，整个流程耗时数月甚至数年。RAVEN把这个过程压缩到可以在宇宙尺度上批量进行，而且因为整个流水线经过严格验证，输出结果不只是一个"候选名单"，而是一份可以直接用于统计分析的可靠数据集。

华威大学副教授大卫·阿姆斯特朗说："RAVEN让我们能够一致、客观地分析海量数据集。这不只是一张潜在行星的清单，它也足够可靠，可以用来绘制不同类型行星在太阳系外的分布规律。"

研究团队已公开发布了交互式目录和分析工具，供其他天文学家筛选值得后续重点观测的目标，这些数据也将直接服务于欧洲航天局正在筹备的PLATO系外行星任务。

宇宙里有多少个世界，这个问题我们一直在问。

现在，我们有了迄今为止最清晰的一部分答案。