据物理学家组织网25日报道，英国科学家开发出一种新的机器学习算法，已用其确认了50颗系外行星。这是天文学家首次使用机器学习技术分析潜在行星样本，并确定哪些是真实的，哪些是“假”或假阳性，从而计算出每颗候选行星为一颗真正行星的概率。
　　最新研究结果发表于《皇家天文学会月刊》上，该研究还首次对此类行星验证技术进行了大规模比较。研究人员表示，他们的结论为未来使用多种验证技术（包括他们的机器学习算法）统计并确认系外行星的发现提供了坚实基础。
　　目前许多系外行星调查都借助凌星法来收集大量数据。所谓凌星法指的是行星通过恒星前方时，会导致望远镜探测到的恒星发出的光线明显下降，但这也可能是由于背景物体的干扰，甚至相机中的微小误差所致，这些“假阳性”可以在行星验证过程中筛选出来。
　　华威大学物理与计算机科学系以及艾伦·图灵研究所的研究人员构建了一种基于机器学习技术的算法，随后使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）”望远镜任务等获得的数千颗候选行星样本进行训练，接着在开普勒望远镜尚未确认的候选行星数据集上使用该算法，确认了50颗行星，这些行星是首批被机器学习“验明正身”的行星。
　　研究人员指出，这50颗行星大小不一，从像海王星一样大到比地球小，公转周期从200天到一天不等，天文学家接下来可以使用专用望远镜优先对它们进行进一步观察。
　　研究人员表示，该算法经过训练效率比现有技术更高，并且可以完全自动化，非常适合分析TESS等当前调查中观察到的数千个行星候选物，也可以成为将来用于给行星“验明正身”的工具之一。