AI 识别所有可能承载生命的行星的藏身之处

快速阅读: 据《未来主义》称，瑞士研究人员开发AI模型，通过分析44个恒星系统，预测可能存在未发现的类地系外行星，为寻找宜居行星提供新方法。尽管模型有一定局限性，但它能有效缩小搜索范围。

瑞士的研究人员构建了一种人工智能（AI）模型，用于揭示那些可能适合居住但尚未被发现的世界。正如一篇新研究详细发表在《天文学与天体物理学》期刊上所述，这一机器学习算法识别出了44个恒星系统，怀疑这些系统中隐藏着尚未探测到的类地系外行星。这展示了加速寻找潜在宜居行星的一种有前景的方法。

尽管目前尚未完全证实这些类地行星的存在，但这一成果为未来的天文学家探索这些恒星区域提供了重要线索。在模拟中，该模型的准确率最高可达0.99，意味着被识别出的系统中有99%至少包含一颗类地行星。

“这是全球少数几个能够提供如此丰富物理过程并开展此类研究的模型之一，”共同作者、伯尔尼大学宜居性中心联合主任亚尼克·阿尔伯特博士在一份声明中表示，“这是寻找适宜生命条件行星以及最终在宇宙中寻找生命的重要一步。”

由于系外行星相对于恒星体积较小且自身发光微弱，观测难度极大。截至目前，科学家已确认了超过5800颗太阳系外行星，但我们对这些行星中的大多数仍知之甚少。这对训练模式识别算法构成巨大挑战，因为这类算法需要庞大的数据集。因此，天文学家向其模型输入了由伯尔尼行星形成与演化模型生成的合成行星系统，该模型全面模拟了从原行星盘起始的假想行星演化过程。

“伯尔尼模型是全球少数几个能够提供如此丰富的相关物理过程并开展此类研究的模型之一，”阿尔伯特博士在关于这项研究的声明中说道。

在这次测试中，研究人员在研究中提到，AI模型表明，一个系统中最内侧可探测行星的质量和轨道周期等特征是判断类地行星的关键指标。基于此，研究团队将机器学习算法应用于近1600个已知至少有一颗行星且主星为G型、K型或M型的系统样本中，其中G型为主序星，其余两类描述的是较小且较冷的恒星。结果显示，近四打这样的系统很可能存在类地行星。

然而，该模型并非毫无瑕疵。作者指出，它未能再现一些天文学家已观测到的恒星系统特性，例如所谓的超级地球和冷木星之间的强相关性，这两者经常一起出现在类似太阳的恒星周围。此外，合成的行星往往比真实的更靠近它们的恒星。尽管如此，它不需要完美：任何有助于天文学家在浩瀚宇宙中缩小寻找类地行星范围的事物都可能带来重大突破。

更多关于系外行星的信息：詹姆斯·韦布太空望远镜捕捉到了遥远恒星系统中单个行星的图像。

(以上内容均由Ai生成)