AI在NASA数据中发现百颗隐藏行星，包括罕见极端星球

你敢信？AI只用4年时间，就从NASA苔丝望远镜的海量数据里，精准揪出了118颗系外行星，其中31颗是人类从未发现过的全新世界。更牛的是，它还筛选出2000多个高质量候选体，近千个都是之前没记录过的。这可是迄今为止对短周期系外行星最精细的一次普查，把“宇宙找针”这件难事，变成了AI的批量收割游戏。

寻找系外行星本来是件苦差事。苔丝望远镜靠看恒星亮度的微弱下降来发现行星，当行星从恒星前经过，会挡掉一点光，亮度曲线上就会出现个小凹陷。但麻烦的是，双星相互遮掩、仪器噪音都能造出一模一样的假信号。要人工去分辨220万颗恒星的数据？别说几年，几十年都不一定能完成。

但RAVEN这套AI流水线，直接把这个难题解决了。它不是单一工具，而是把信号探测、机器学习筛选、统计验证三个环节打包成全自动流程。研究团队给它喂了数十万个模拟的行星遮星和其他天体现象数据，让模型学会从细节里辨认真假。华威大学的博士说得直白：“RAVEN的强项就是我们精心做的模拟数据集，让AI去识别模式——这可是它最擅长的事。”

在118颗确认的行星里，有两类特别让人兴奋。

一类是超短周期行星，它们绕恒星一圈不到24小时，比我们的工作日还短。这些行星离母星近得可怕，表面温度高到能把金属都融化，简直是检验行星形成和大气逃逸理论的“极端实验室”，科学家终于有机会研究，这么极端的环境下，行星到底是怎么存活的。

另一类更神奇，它们落在“海王星荒漠”区域。这个区域理论上应该几乎没有行星，因为恒星辐射会把行星大气剥得精光，留不住合适大小的行星。这次研究首次精确算出，这类行星在类太阳恒星中的发生率只有0.08%，既印证了理论预测，又给行星大气演化研究提供了新的锚点。

更重要的是，研究还发现：约9%到10%的类太阳恒星，至少有一颗近距轨道行星。这个数字和开普勒望远镜之前的结果一致，但不确定性缩小了十倍，意味着现在这个数字可以当成更可靠的宇宙基准来用。

过去，确认一颗系外行星要大量人工审核，还要反复后续观测，耗时数月甚至数年。但RAVEN把这个流程压缩到能批量处理宇宙级的数据，而且输出的结果不是随便的候选名单，是可以直接用于统计分析的可靠数据集。

宇宙里到底有多少个像地球一样的世界？这个问题我们问了几千年。现在，AI给了我们迄今为止最清晰的一部分答案。

你觉得，这些新发现的行星里，会不会藏着外星生命的痕迹？或者，你相信宇宙中真的有第二个地球吗？评论区聊聊你的想法，点赞收藏，一起跟着AI探索宇宙的秘密。