科学家借助机器学习从NASA数据中发现超过10000颗候选系外行星
摘要： 科学家利用机器学习技术对NASA系外行星巡天卫星TESS的首年观测数据进行分析，对8300万颗较暗恒星进行系统性扫描，一次性发现10091颗候选系外行星。若这些候选体全部获得确认，人类已知系外行星总数将超过16000颗，实现翻倍以上增长。
截至目前，人类已确认发现超过6200颗系外行星。但最新研究或将彻底改写这一数字——科学家在《自然》期刊发表的研究中，利用机器学习算法对TESS卫星首年观测的8300万颗恒星数据进行系统性扫描，一举发现10091颗此前从未被记录的新候选体。
TESS的工作原理是寻找恒星周期性「凌星」现象——当行星从恒星前方经过时，恒星亮度会出现细微下降，这种亮度变化可被卫星精密传感器捕捉。然而，此前的方法主要集中于分析较亮的恒星，而新研究则将扫描范围扩展至亮度仅为通常目标1/16的暗弱恒星，从而发现了大量此前被遗漏的候选体。
这些新发现的候选体目前均为「待确认」状态，部分可能最终被证实并非行星，而另一些则有望成为人类寻找地外生命的重要目标。该研究团队下一步计划对更多TESS数据进行深入分析，以进一步扩展系外行星数据库。