AI 助攻天文學，盼搜尋類地行星更快更準

在尋找類地行星的過程中，人工智慧（AI）正扮演著越來越重要的角色。法國天體物理學家珍妮·達沃特（Jeanne Davoult）在德國航空太空中心（DLR）領導的研究中，利用 AI 模型和演算法加速尋找類地行星的過程。她在《Astronomy & Astrophysics》期刊上發表的論文中指出，AI 的目標是預測哪些恆星最有可能擁有類地行星，進而避免盲目搜索，縮短探測時間，並提高探測數量。

達沃特的團隊使用了一種名為Random Forest的模型，讓它學會辨識並分類「有類地行星」或「無類地行星」的系統。她表示，透過識別資料集中的模式，研究人員能夠更有效地定位類地行星的形成地點，從而提高探測效率。

儘管在過去30年中已經發現了約6,000顆系外行星，但目前僅有約20個系統確認擁有至少一顆類地行星。達沃特指出，較小的恆星，如K型和M型矮星，也要重視 M 型矮星，因為相較於太陽型恆星，更容易在其周圍發現類地行星，適居帶離恆星更近，所以行星的公轉週期也更短。

該研究的三個合成系統僅在中央恆星的質量上有所不同，這直接影響了原行星盤的質量及行星形成所需的物質量。達沃特強調，研究不同類型的恆星對於理解行星的出現和特性至關重要。

她的模型不僅能夠預測已知行星系統中最有可能存在類地行星的系統，還能告訴我們在同一行星系統中是否可能存在尚未被探測到的類地行星。達沃特的最終目標是建立一個類地行星的資料庫，即使目前對其大氣組成仍然不清楚。

（首圖為示意圖，來源：Unsplash）