沃里克大学物理系和系外行星与可居住性中心的天文学家戴维·阿姆斯特朗博士说:“就行星验证而言,没有人使用过机器学习技术。”

“机器学习已用于对行星候选者进行排名,但从未在概率框架中使用,这才是真正验证行星所需的条件。”

阿姆斯特朗博士及其同事建立了一种机器学习算法,可以将望远镜任务中发现的数千个候选大样本中的真实行星与假行星分开。

它经过训练,可以使用两个大颗已确认的行星样本和开普勒的假阳性来识别真实的行星。

然后,研究人员在开普勒尚未确认的行星候选数据集上使用了该算法,从而产生了50个新的确认行星,并且是第一个通过机器学习进行验证的行星。

这些行星的范围从大到海王星,到小于地球的大行星,其轨道长达200天,甚至只有一天。

通过确认它们是真实的,科学家现在可以优先使用专用望远镜对它们进行优先观察。