来自华威大学物理与计算机科学系和艾伦图灵研究所的研究人员创建了一种基于机器学习的算法来分析潜在系外行星的样本，并确定哪些是真实的，哪些是“假的”或误报。 NASA 的开普勒和 TESS 等任务已经发现了行星数据集。 结果发表在皇家天文学会月刊上发表的一项新研究中。
他们在开普勒的数据集上运行该算法，产生了 50 个新确认的行星，其中第一个使用机器学习进行了验证。 这 50 颗行星的大小从海王星到地球大小的行星不等，公转周期从 200 天到 1 天不等。
“我们现在可以说出确切的统计概率是多少，而不是说哪些候选者更有可能是行星。 如果候选者出现误报的可能性小于 1%，则它被认为是一颗已确认的行星，”华威大学物理系的大卫·阿姆斯特朗博士说。
一旦构建和训练，该算法比当前方法更快，并且可以完全自动化，使其成为分析当前 TESS 调查中观察到的数千个潜在候选行星的理想选择。
另请阅读：