華威大學的天文學家利用新的人工智慧系統確認了 100 多個系外行星，其中包括 31 個新發現的世界。該團隊將該工具應用於來自美國宇航局凌日系外行星勘測衛星（TESS）的數據，這是一項天空掃描任務，旨在尋找行星穿過其主恆星前方時出現的星光微小下降。
他們的研究結果發表於 MNRAS它們是基於對 TESS 前四年收集的超過 220 萬顆恆星觀測結果的詳細分析。研究人員專注於軌道距離恆星非常近的行星，它們在不到 16 天的時間內完成了完整的軌道運行。這種方法對這些短週期行星的普遍程度進行了迄今為止最準確的測量。
「利用我們新開發的 RAVEN 管道，我們已經能夠驗證 118 個新行星和 2,000 多個高品質候選行星，其中近 1,000 個是全新的，」華威大學博士後研究員 Marina Lafarga Magro 博士說。 “這是附近行星特徵最清楚的樣本之一，將幫助我們確定未來研究中最有前途的系統。”
稀有和極端行星已被識別
新確認的行星包括幾個特別有趣的類別。有些是短週期行星，繞恆星運行的時間不到 24 小時。其他行星則屬於所謂的“海王星沙漠”，根據目前的理論，該地區預計很少有行星存在。該研究還揭示了非常接近的多行星系統，包括繞著同一恆星運行的未知行星對。
RAVEN 如何改進行星探測
現代行星搜尋任務通常會標記出數千個可能的行星，但要確定哪些訊號是真實的仍然很困難。許多虛假訊號可以模仿行星，包括食雙星。
「挑戰在於確定變暗是否是由繞恆星運行的行星或其他物體（例如食雙星）引起的，這就是 RAVEN 試圖回答的問題。它的力量來自我們的數十萬個真實模擬的行星和其他天體物理事件的數據集，我們可以使用機器數據來識別我們檢測到的事件類型，這是該管道領導的人工智能模型。
“此外，RAVEN 旨在一次性處理從信號檢測到機器學習分析和統計驗證的整個過程。與僅關注工作流程特定部分的當代工具相比，這為該管道提供了額外的優勢。”
華威大學副教授、RAVEN 研究的共同主要作者 David Armstrong 博士補充道：“RAVEN 使我們能夠以一致和客觀的方式分析大量數據集。由於管道經過充分測試和仔細驗證，這不僅僅是潛在行星的列表；它也是一個足夠可靠的樣本，可以繪製太陽周圍不同類型恆星的分佈情況。”
測量行星的普遍程度
有了這個經過仔細驗證的資料集，研究人員能夠超越個人發現並檢查更廣泛的模式。在朋友中 MNRAS 在這項研究中，他們測量了附近行星圍繞類太陽恆星的頻率，將軌道周期和行星大小結果繪製到了前所未有的詳細程度。
結果表明，大約 9-10% 的類太陽恆星附近有一顆行星。這與美國太空總署開普勒任務的早期發現是一致的，開普勒任務是首次測量行星形成速率的太空望遠鏡，但新的分析將不確定性降低了十倍。
該團隊還首次直接測量了「海王星沙漠」行星的稀有程度，發現只有約 0.08% 的類太陽恆星出現。
華威大學博士後研究員、人口研究的第一作者崔凱明博士說：“我們第一次可以準確地計算出這片‘沙漠’的空曠程度。” “這些測量表明，在研究行星種群方面，TESS 現在可以與開普勒相媲美，在某些情況下甚至超過開普勒。”
行星探索的新時代
這些研究共同強調了人工智慧的進步如何改變天文學。透過將海量資料集與機器學習結合，研究人員可以發現新的行星，同時透過挑戰現實世界的資料來完善他們的工具。
該團隊還發布了互動式目錄和工具，以便其他科學家可以探索結果並確定使用地面望遠鏡和未來任務（例如歐空局的柏拉圖）進行後續觀測的有希望的目標。
什麼是「烏鴉」？
RAVEN 是一個自動化系統，旨在解決天文學面臨的最大挑戰之一，將太空望遠鏡的大量數據轉化為可靠的發現。它掃描來自數百萬顆恆星的數據，以找到由從它們前面經過的行星引起的微小亮度斑點。然後，該系統使用經過真實模擬訓練的人工智慧來過濾掉雙星或儀器雜訊等虛假訊號，然後再以統計方式確認最強的候選訊號。
重要的是，RAVEN 還評估哪些類型的行星更容易或更難被發現，幫助研究人員糾正隱藏的偏見。這意味著它不僅加速了新世界的發現，而且還創建了更乾淨、更可靠的資料集，可用於回答有關銀河系中不同類型行星有多常見的問題。
