系外行星科学的突破：44 个新的候选类地行星

伯尔尼大学（University of Bern）和国家行星研究中心（National Center of Competence in Research PlanetS）的一个研究小组在寻找宜居行星的过程中取得了一个重要的里程碑。正如 2025 年 4 月 9 日宣布的那样，该团队开发出了一个机器学习模型该模型能够非常准确地确定可能包含类地系外行星的行星系统。这一突破不仅推动了寻找潜在宜居世界的工作，也标志着向发现地外生命迈出了充满希望的一步。

该人工智能模型由让娜-达沃特（Jeanne Davoult）博士指导开发，是她在伯尔尼大学进行的博士研究的一部分，并得到了空间与宜居性中心（CSH）的扬-阿利伯特（Yann Alibert）博士和罗曼-埃尔钦格（Romain Eltschinger）教授的支持。它是利用著名的 "伯尔尼行星形成和演化模型 "生成的合成数据进行训练的，该模型模拟了行星系统形成的基本物理过程。结果令人震惊：据报道，该模型以 99% 的准确率成功识别出极有可能包含至少一颗类地行星的系统。

行星系统的实际应用

经过训练后，该模型被应用到实际观测数据中，并识别出 44 个可能拥有以前未知类地行星的行星系统。这些发现对于即将进行的太空任务，如欧空局的PLATO和拟议的LIFE这两个项目都旨在探测和描述类地世界。

PLATO（行星凌日和恒星振荡）将于2026年发射，它将利用凌日法和小行星测量学来探测潜在的宜居系外行星，重点是那些围绕类太阳恒星运行的系外行星。PLATO 确定的最有希望的候选行星将成为未来任务的基础，如 LIFE（大型系外行星干涉仪），其目的是利用红外光谱和无效干涉仪分析遥远行星的大气层，寻找水或甲烷等生物特征。新的机器学习模型可以在预选最有希望的目标方面发挥关键作用，从而提高这些任务的效率和成功率。