由於太陽系外的行星與地球之間的距離不少於10個天文單位，因此地球上的人類無法直接透過派遣探測器去探測系外行星的真實性，通常需要透過間接的方法來驗證系外星球是否為行星。目前天文學界常用的方法是“凌日法”，該方法是利用系外星球與恆星之間的位置差來獲得星球資訊，然而這種方法的準確性並非百分之一百。

根據報道，近期《皇家天文學會月刊》上發表了一篇關於如何驗明系外星球身份的研究論文。英國科學家在該論文中提出，他們已經提出一種新的機器學習演算法，可用於鑑別系外行星的真假。測試結果顯示，該演算法已經在眾多系外行星候選範圍內識別出了50顆真正的系外行星，那麼該演算法是如何被開發出來的呢？

為什麼候選行星中存在假行星？

一直以來，大多數天文學家都透過凌日法來獲得關於該星球的資料，所謂的凌日法指的是當系外目標星球與它的主恆星剛好運動到和地球成一條直線的位置上時，由於系外星球夾在地球和其主恆星的中間，因此從地球上觀測它的主恆星會發現一個球形陰影。天文學家可以透過該陰影來推測該星球的相關資訊。

然而這種方法也存在一定的誤差，一方面是因為衛星、小行星等星球也能透過凌日法被觀察到，從而混淆視聽，讓系外星球的身份存疑。另一方面是用於觀測的攝像機也可能存在微小的誤差，從而導致觀測到的資料不準確，最終導致對系外星球身份的判斷不準確。為了克服凌日法存在的缺陷，來自英國華威大學的研究人員開發出了一套新的機器學習演算法。

該機器學習演算法是如何得到的？

華威大學物理與計算機科學系的研究人員和艾倫·圖靈研究所的研究人員共同合作研發出了該學習演算法。在研發的過程中，他們先從美國宇航局的開普勒望遠鏡和TESS望遠鏡的資料庫中獲取上千顆系外行星的觀測資料，然後將這些資料集作為演算法的訓練集進行訓練。在學習演算法形成之後，研究人員將已確定為系外行星的資料作為測試集，以驗證演算法的可靠性。

驗證結果顯示，該演算法能夠準確地驗證測試集中所有的系外行星。最後，研究人員再從開普勒和TESS的資料庫中獲取上百個系外行星候選名單的探測資料，然後用該演算法來驗證這些候選行星中有哪些是真的行星，哪些是假的行星。驗證結果顯示，上百顆候選星球中有50顆是真實行星，它們的大小各異，公轉週期也不一樣。

在確定它們是行星之後，天文學家表示接下來可以用專用的太空望遠鏡對這些系外行星進行觀測，由此可見該機器學習演算法為科學家探索系外行星節省了時間成本，讓他們更高效地對系外行星進行研究。

該演算法將是為行星“驗明正身”的重要方法

該演算法被研發出來後，研究人員就不斷為它新增新的資料集進行學習，因此現在它對系外行星的識別效率要比許多現有技術都要高。太陽系外存在著成萬上億個恆星系，其中的行星更是不計其數，人類為了尋找宜居星球，不得不從近到遠逐個探索。但按照人類目前的探索能力，再給一百年也無法將太陽系周圍的行星都探測清楚，因此需要新的探測方法。

該機器學習方法屬於舉一反三，它透過學習現有的資料樣本，然後來推測未知的樣本，雖然準確率無法達到百分之一百的，但始終要比凌日法準確且高效。因此這種演算法未來有希望被更多天文學家採納，用於鑑定系外星球的真實身份。一旦驗明正身後，天文學家可以有目的地去觀測它們，從而降低探索的盲目性。

資料來源

澎湃網 8月27日 《新機器學習演算法為行星“驗明正身”，確認了50顆系外行星》