在天文探索的浩瀚征途中，中国科学院上海天文台葛健教授领导的一项国际合作研究取得了突破性进展。该研究团队创新性地融合了GPU加速的相位折叠技术与先进的卷积神经网络（CNN），开发出一种名为GPFC的新型深度学习算法，这一创新为天文学界带来了前所未有的发现能力。
借助这一尖端算法，研究团队深入剖析了开普勒望远镜于2017年发布的海量恒星测光数据，成功挖掘出五颗前所未见的超短周期行星。这些行星不仅直径小于地球，更令人瞩目的是，它们的轨道周期短至不足一天，围绕其主星旋转的速度令人咋舌。尤为其中四颗行星距离其主星之近，堪称迄今为止发现的最小行星，体积接近火星大小，为系外行星的多样性研究增添了宝贵样本。
此次发现标志着天文学家首次利用人工智能技术，在同一过程中完成了从疑似信号筛选到真实信号识别的双重任务，极大提升了研究效率与准确性。相关研究成果已在权威天文学期刊《皇家天文学会月报》上发表，引起了国际天文学界的广泛关注与赞誉。
GPFC算法的问世，是对传统BLS搜寻方法的一次重大革新。据研究团队介绍，该算法在搜寻速度上实现了约15倍的提升，同时在检测准确度和完备度方面分别提高了约7%，为在海量光度观测数据中快速捕捉凌星信号提供了强有力的工具。这一技术突破不仅加速了超短周期行星的发现进程，也为理解这类极端行星的形成机制及其与恒星、其他行星间的相互作用提供了新的视角。
超短周期行星，因其独特的轨道特性和极端的物理环境，被誉为“熔岩世界”，一直是天文学家研究的热点。普林斯顿大学天体物理学家约书亚·温教授对此次发现表示高度赞赏，他认为这些新行星的发现不仅令人兴奋，更展示了人工智能在天文数据处理中的巨大潜力。
葛健教授在谈及研究成果时强调，面对天文数据海洋中的微弱信号，创新的人工智能算法与大量基于物理特征的人工数据集训练是不可或缺的。这一理念不仅为本次发现奠定了基础，也为未来在更广阔的天文探索中挖掘隐藏的秘密指明了方向。
