据物理学家组织网25日报导，英国科学家开宣布一种新的机器学习算法，已用其承认了50颗系外行星。这是地理学家初次运用机器学习技能剖析潜在行星样本，并承认哪些是实在的，哪些是“假”或假阳性，然后计算出每颗候选行星为一颗真实行星的概率。

  最新研讨结果发表于《皇家地理学会月刊》上，该研讨还初次对此类行星验证技能进行了大规模比较。研讨人员表明，他们的定论为未来运用多种验证技能（包含他们的机器学习算法）计算并承认系外行星的发现供给了坚实基础。

  现在许多系外行星查询都凭借凌星法来搜集很多数据。所谓凌星法指的是行星经过恒星前方时，会导致望远镜探测到的恒星宣布的光线清楚明了地下降，但这也可能是因为布景物体的搅扰，乃至相机中的细小差错所造成的，这些“假阳性”可以在行星验证过程中挑选出来。

  华威大学物理与计算机科学系以及艾伦·图灵研讨所的研讨人员构建了一种根据机器学习技能的算法，随后运用美国国家航空航天局的开普勒和“凌日系外行星勘探卫星（TESS）”望远镜使命等取得的数千颗候选行星样本做练习，接着在开普勒望远镜没有承认的候选行星数据集上运用该算法，承认了50颗行星，这些行星是第一批被机器学习“验明正身”的行星。

  研讨人员指出，这50颗行星大小不一，从像海王星相同大到比地球小，公转周期从200天到一天不等，地理学家接下来可以正常的运用专用望远镜优先对它们进行进一步查询。

  研讨人员表明，该算法经过练习功率比现存技能更高，并能彻底自动化，很合适剖析TESS等当时查询中查询到的数千个行星候选物，也能成为将来用于给行星“验明正身”的东西之一。

  封面新闻丨见证“文明+科技”工业新赛道——第二十届深圳文博会亮点频现精彩纷呈