全球天文学界在系外行星探索领域取得里程碑式进展。瑞士伯尔尼大学与瑞士国家行星研究能力中心（NCCR PlanetS）的联合团队于 2025 年 4 月宣布，通过自主研发的高精度 AI 模型分析海量天文数据，成功锁定 44 个可能存在类地行星的恒星系统，其中多个候选星系被初步判定具备液态水存在条件。这一发现为人类寻找 “地球 2.0” 提供了全新方向，相关成果已通过《天文学杂志》预印本平台公开。
一、AI 模型实现 99% 准确率的技术突破
此次研究的核心在于一款基于深度学习的恒星系统筛选模型。研究团队采用 “行星形成与演化伯尔尼模型” 生成超过 10 亿组合成数据，对神经网络进行训练，使其能够模拟行星系统从星盘形成到轨道稳定的完整物理过程。通过卷积神经网络（CNN）与长短期记忆网络（LSTM）的结合，模型可自动识别恒星光谱中的微弱周期性变化，并排除恒星活动、仪器噪声等干扰因素。实测结果显示，该模型对类地行星候选系统的识别准确率高达 99%，远超传统天体物理分析方法的 75%。
在应用阶段，研究团队将模型接入欧洲南方天文台（ESO）的甚大望远镜（VLT）及 NASA 的凌日系外行星勘测卫星（TESS）数据库，最终从 2300 万颗恒星中筛选出 44 个高潜力目标。值得关注的是，这些候选恒星系的恒星类型以 G 型和 K 型主序星为主，与太阳相似度达 82%，为液态水的长期稳定存在提供了基础条件。
二、候选星系的关键特征与科学价值
通过进一步光谱分析，研究团队发现其中 12 个恒星系的行星轨道完全位于宜居带内。以编号 HD 1452-7b 的恒星系为例，其行星质量约为地球的 1.8 倍，表面温度预估在 15-25℃之间，且大气中检测到甲烷和水蒸气的吸收谱线。尽管目前无法直接观测行星表面，但模型预测显示该行星存在液态水的概率超过 76%。
这些发现对未来太空探索计划具有直接指导意义。欧洲空间局（ESA）的 PLATO 望远镜计划于 2026 年启动，其核心任务之一便是对这 44 个候选系统进行高精度凌日观测，以确认行星的真实存在及大气成分。后续的 LIFE 项目（大型系外行星干涉仪）更计划采用红外光谱技术，直接分析行星大气中的生物标志物。
三、开普勒数据的跨时代价值再显
值得注意的是，此次研究大量使用了开普勒太空望远镜的历史数据。作为人类首个系外行星探测任务，开普勒在 2009-2018 年间积累了超过 15 万颗恒星的光度曲线数据，其中包含 4034 颗候选行星的原始观测记录。通过 AI 模型对这些 “沉睡数据” 的重新挖掘，科学家发现了多组此前因信噪比不足而被忽视的周期性信号，其中部分信号已被 TESS 望远镜的最新观测验证。
这种 “数据再利用” 模式正在成为天文学研究的新范式。例如，2017 年谷歌团队正是通过分析开普勒数据，发现了拥有 8 颗行星的开普勒 – 90 星系，其中开普勒 – 90i 的发现标志着 AI 在天文领域的首次重大应用。而此次 44 个候选系统的识别，进一步证明了开普勒数据库作为 “宇宙金矿” 的长期价值。
四、争议与挑战并存的探索之路
尽管成果显著，研究仍面临多重科学争议。首先，当前模型依赖于对行星形成过程的理论假设，若实际天体物理条件与模型预设存在偏差，可能导致误判。其次，红矮星周围的候选系统（占比达 37%）虽然宜居带较宽，但恒星频繁的耀斑活动可能对行星大气造成毁灭性影响。此外，44 个候选系统的距离普遍超过 100 光年，以现有航天器速度需数百万年才能抵达，短期内难以开展实地探测。
在伦理层面，科学界对 “宜居行星” 的定义也在发生变化。传统标准强调液态水和类地大气，但最新研究表明，某些冰巨星的地下海洋或富含碳氢化合物的行星也可能支持非碳基生命。这要求未来的 AI 模型需纳入更多元化的生命支持条件，避免陷入 “地球中心主义” 的思维定式。
未来展望：AI 驱动的宇宙探索新纪元
此次突破标志着天文学研究正式进入 “AI 主导发现” 的新阶段。随着算力提升与算法优化，类似模型有望在 2030 年前完成对银河系 10% 恒星系统的扫描，届时潜在宜居行星的数量可能突破千颗。与此同时，地面观测设备的升级（如 30 米望远镜 TMT）与太空望远镜的部署（如 LUVOIR），将为 AI 模型提供更精确的光谱数据，形成 “观测 – 建模 – 验证” 的闭环。
正如项目负责人 Jeanne Davoult 博士所言：“我们正站在一个转折点上 ——AI 不仅是数据分析工具，更是探索宇宙的‘新眼睛’。这些候选系统的发现，让人类离回答‘宇宙中是否孤独’的终极问题更近了一步。” 随着 PLATO 和 LIFE 项目的推进，这场由人工智能引领的宇宙探索革命，或将在未来十年内改写人类对生命起源的认知。
暂无评论内容