该算法背后的团队来自华威大学，向其提供了庞大的数据集，这些数据集来自美国宇航局现已退休的开普勒任务和2018年发射的过渡系外行星测量卫星。

科学家们希望他们的研究能够为未来的行星验证技术铺平道路。当前的用于发现和确认其他行星存在的技术很容易受到噪声，背景中物体的干扰甚至相机误差的影响。

该团队通过传授已确认行星与假阳性之间的差异来训练算法。然后，他们将其释放到一个尚未经过行星候选验证的单独数据集上。

研究小组说，该算法能够确认50个新行星，这在天文学史上尚属首次。

“我们开发的算法使我们可以跨越五十个候选行星进行行星验证，将其升级为真实行星，”沃里克大学物理系的戴维•阿姆斯特朗（David Armstrong）以及该论文的主要作者发表在《月刊公告》上。皇家天文学会上周在一份声明中说。

行星有各种大小。有些像海王星一样大，而另一些甚至比地球还小。

阿姆斯特朗解释说：“我们现在不必说出哪些候选人更可能是行星，而是可以说出确切的统计可能性是什么。” “如果候选人被误报的几率小于1％，则被认为是经过验证的星球。”

它不仅非常有效，而且算法完全可以自己快速地工作。“我们仍然必须花时间训练算法，但是一旦完成，将其应用于未来的候选人变得容易得多，”阿姆斯特朗补充说。

“我们希望将此技术应用于当前和未来任务的大量候选样本，例如TESS和PLATO（行星轨道和恒星振荡，这是一台将于2026年发射的太空望远镜）。”

根据研究的作者，机器学习算法是完全自动化的，并且能够以比原本更快的速度将假阳性从真实系外行星中分离出来。科学家认为，将来在确认发现时应组合多种系外行星确认方法，包括其自身的自动算法。

阿姆斯特朗博士解释说：“迄今为止，仅使用一种方法就已经验证了大约30％的已知行星，但这并不理想。” “仅出于这个原因，就需要开发新的验证方法。但是机器学习也使我们能够非常快地做到这一点，并更快地对候选者进行优先级排序。”

展望未来，研究人员打算继续训练该算法，并希望将其算法应用于由TESS收集的更大的候选系外行星样本，以及将来的任务，例如ESA计划中的行星轨道和恒星振荡（PLATO）任务。

获取更多科技新鲜资讯，欢迎订阅关注“科技全频”。