由普林斯顿大学研究生乔希亚·罗斯（Joshua Roth）领导的天文学家团队,利用人工智能筛查了美国国家航空航天局（NASA）系外行星探测卫星TESS记录的逾8000万条恒星亮度数据,一次性发现了超过一万颗新的系外行星候选体。这是迄今为止单次报告的最大规模新候选体名单之一,也表明人工智能已经悄然成为现代天文学不可或缺的一部分。相关研究以论文《The T16 Planet Hunt: 10,000 New Planet Candidates from TESS Cycle 1》发表,本周相关报道称,该论文已被《天体物理学期刊增刊》（The Astrophysical Journal Supplement Series）接收发表。研究团队成员来自普林斯顿大学、麻省理工学院（MIT）、加州大学洛杉矶分校（UCLA）以及智利拉斯坎帕纳斯天文台。

AI承担了大部分繁重工作

TESS（凌日系外行星巡天卫星）通过观测恒星亮度出现的微小、周期性下降来寻找行星——当行星从恒星前方经过时会遮挡部分星光,这一现象被称为“凌星”。仅在第一个观测周期中,该望远镜就产生了超过8300万条这样的亮度记录（光变曲线）,数量之多远非人力所能逐条核对。

为此,罗斯团队构建了一套两阶段的AI处理流程。首先,一种名为CETRA（剑桥系外行星凌星恢复算法）的算法专为在图形处理器上快速运行而设计,它扫描了所有光变曲线,寻找凌星所特有的微弱周期性变暗模式。值得一提的是,CETRA的灵敏度足以捕捉到比TESS官方探测流程通常能处理的更暗弱恒星发出的信号。随后,一种名为随机森林（Random Forest）的机器学习分类器对结果进行排序筛选,将约8000万条光变曲线大幅缩减至约250万条,留给团队进一步细致核查。

发现了什么

从这份缩小后的名单中,研究团队共确认了11554个凌星候选体,其中10091个为新发现（其余此前已被早期巡天记录在册）。此次发现的天体大多相对容易探测:研究人员表示,绝大部分是所谓的“热木星”——一种紧贴恒星运行的气态巨行星,此外还有100多颗海王星大小的天体,以及11颗“超级地球”候选体。超级地球是一种体积更小、以岩石为主的行星,对于寻找潜在宜居行星的科学家而言尤其值得关注。

为验证整套流程确实有效,团队对其中一个候选体进行了地面观测复核:利用智利麦哲伦望远镜上的PFS光谱仪,测量恒星因行星引力而产生的细微“摆动”,由此确认了一颗围绕TIC 183374187运行的热木星——这是一颗位于银河系厚盘中、金属含量偏低的特殊恒星。

AI为何是关键

罗斯给出了具体数字,说明AI方法节省了多少时间。他表示,团队人工逐条核查5万个候选体的光变曲线,耗费了约六周的集中工作时间。若没有机器学习这一筛选步骤,他估计团队需要人工核查的光变曲线数量将多出约32倍——按同样速度计算,这项工作大约需要192周,即三年半以上。而借助AI辅助的处理流程,这项工作量被大幅压缩,一个小团队得以在合理的时间内完成原本需要一大批人员全天候投入才能完成的工作。

需要注意的局限与后续计划

值得强调的是,“候选体”并不等同于“已确认的行星”。类似凌星的变暗现象,有时也可能由其他天体现象引起,例如互相掩食的双星系统。因此,相当一部分新候选体仍需经过后续观测——包括更多次凌星观测、视向速度测量或直接成像——才能被最终确认为真正的行星。天文学家将这种AI筛选描述为“初筛”,其作用是从海量数据中标出最值得投入更多、更慢的确认工作的目标。

尽管存在这些局限,研究人员表示,这种方法正迅速从“可选项”变为“必需品”。NASA计划于2026年8月发射的南希·格雷斯·罗曼太空望远镜,预计单靠自身就能探测到约10万个凌星候选体,如此庞大的数据规模仅靠人工核查将难以应对。罗斯团队表示,未来的TESS观测周期中,他们计划引入包括卷积神经网络在内的更多AI工具,以进一步提升搜索精度,这也预示着AI辅助筛选正逐渐成为天文学家搜寻新世界的标准手段。