中國科學院上海天文臺的葛健教授領導的一支國際科研團隊，近期在恒星測光數據研究領域取得了突破性進展。他們創(chuàng)新性地融合GPU相位折疊技術和卷積神經網絡，開發(fā)出一種全新的深度學習算法。這一算法在應用于開普勒（Kepler）2017年發(fā)布的恒星測光數據時，成功發(fā)現了五顆極具特色的行星。這些行星不僅直徑均小于地球，而且它們的軌道周期短于1天，屬于超短周期行星。尤為引人注目的是，其中四顆行星是目前為止發(fā)現的距離其主星最近的最小行星，體積與火星相仿。

這一發(fā)現對于行星科學領域而言具有重要意義，它為我們理解行星的形成與演化提供了新的視角。這些超短周期行星的發(fā)現，挑戰(zhàn)了我們對行星系統動態(tài)的傳統認知，并促使科學家們重新審視行星與其主星之間的相互作用。

葛健教授表示，這項研究充分利用了現代計算技術的優(yōu)勢，尤其是GPU的高性能計算能力，使得大規(guī)模數據的快速處理成為可能。同時，卷積神經網絡的應用也極大地提高了數據分析的準確性和效率。這一成果不僅展示了深度學習在天文學研究中的巨大潛力，也為未來的行星探測任務提供了新的思路和方法。

此次發(fā)現的五顆超短周期行星，為科學家們提供了寶貴的研究對象。它們獨特的軌道特性和物理性質，將有助于揭示行星系統的多樣性和復雜性。隨著后續(xù)研究的深入，我們期待能夠揭開更多關于這些神秘行星的面紗。