近日，国际天文学界传来新进展。英国华威大学团队开发的RAVEN智能分析管线，在美国航天局TESS卫星的观测数据中确认了118颗新的系外行星，并识别出近1000个此前未被报告的候选信号。这表明，人工智能正逐步成为系外行星探测中的重要工具。RAVEN管线结合机器学习与大规模模拟：通过学习大量真实与伪造的行星凌日信号样本，训练算法更准确地区分真正的行星过境信号与食双星等天体现象造成的伪信号。相比以往分散、环节单一的分析工具，RAVEN将信号检测、机器学习判别和统计验证整合为一套流程，显著提高了处理效率，并减少了不同步骤之间的不一致。该管线面对的数据量同样可观。研究团队系统分析了TESS在前四年内对约220万颗恒星的观测数据，重点筛选公转周期短于16天的近星行星。由于这类行星更靠近宿主恒星，更容易在光度曲线中留下可观测的变化，因此成为RAVEN的主要搜索对象。借助此筛选策略，团队得以在海量数据中捕捉到微弱但可信的行星信号。
从伽利略用望远镜观测星空，到今天研究者借助算法从数据中寻找线索，人类探索宇宙的方法不断演进。此次新增的118颗系外行星不仅扩展了我们对行星系统的认识，也说明在观测数据快速增长的背景下，能否高效、可靠地从海量信息中提取有效信号，正越来越直接地影响科研产出。这个成果也提示我们，许多新的发现或许并不遥远，它们可能就隐藏在已获取但尚未充分挖掘的数据之中。