人工智能帮助华威大学的天文学家在NASA的TESS任务数据中找到了数百颗此前隐藏的系外行星。新系统RAVEN处理了望远镜运行头四年间对超过2,2百万颗恒星的观测数据。
RAVEN将自动信号探测、机器学习和统计验证整合到一条统一的流水线中。最终，团队确认了118颗新行星，并筛选出超过2000颗高质量候选体，其中近一千颗此前不为人知。
这些发现中包括超短周期世界，它们绕恒星公转一周不到24小时。这类天体尤其引人关注，因为它们处于极端条件下。
分析表明，9–10%的类太阳恒星拥有近距离行星。这与Kepler的数据一致，但精度高出十倍。此外，研究首次精确测量了“海王星沙漠”的稀有程度——即几乎不出现海王星大小行星的区域。这类世界仅在0,08%的太阳型恒星周围被发现。
“利用我们新的RAVEN流水线，我们得以确认118颗新行星和超过2000颗候选体，其中近1000颗是全新的，”该研究的第一作者玛丽娜·拉法尔加·马格罗博士指出。
团队还发现了此前未知的、轨道紧密的多行星系统。所获得的天表和工具已可供其他研究人员用于规划观测。
这些数据将如何影响未来任务（如欧洲空间局的PLATO）的目标选择？
该研究发表在《Monthly Notices of the Royal Astronomical Society》上。科学家们强调，干净且特征明确的样本将有助于更好地理解行星系统如何在恒星附近形成和演化。
