几个世纪以来，人类一直在观察恒星，推测地球以外是否存在生命，想知道其他行星和太阳系是否有类似的条件可以支持生命。

光学望远镜、高分辨率成像相机和太空飞行等创新技术使我们扩大了对宇宙的了解。它还使我们能够发现系外行星——围绕太阳系外恒星运行的行星。

1992年1月，天文学家Aleksander Wolszczan和Dale Frail观察到无线电波脉冲的不规则时间，这表明存在轨道行星。

尽管技术在寻找系外行星方面发挥了重要作用，但寻找系外行星仍然具有挑战性。由于太空任务、卫星和望远镜产生了大量数据，传统的数据分析方法往往是不够的。不同的大小，遥远的距离，与主星的亮度对比，以及模糊的轨道位置都增加了挑战。

为了解决这些复杂问题，人工智能正在彻底改变科学家探索宇宙的方式，包括寻找系外行星。一些新的研究已经出现，突出了先进的人工智能模型如何以前所未有的准确性和速度分析这些数据。

佐治亚大学的研究人员应用机器学习（ML）来识别行星的形成，这是一项具有挑战性的任务，因为它们距离遥远，周围是稠密的、充满尘埃的太空。该团队使用合成望远镜数据来训练人工智能模型，这些模型经过测试并应用于实际的望远镜观测。

该研究发现，通过用模拟数据训练人工智能，然后用它来分析真实的望远镜观测结果，科学家可以大大提高他们发现和识别系外行星的能力。同一组研究人员使用机器学习工具进行了另一项研究，以确认太阳系外存在一颗以前未知的行星。

“这是一个令人难以置信的令人兴奋的概念证明。我们从以前的工作中知道，可以使用机器学习来寻找已知的形成的系外行星。”佐治亚大学系外行星和行星形成研究小组的计算天体物理学助理教授兼首席研究员Cassandra Hall说。“现在，我们确信我们可以用它来做出全新的发现。”

来自伯尔尼大学(UniBE)、日内瓦大学(UNIGE)和瑞士NCCR行星研究所的天体物理学家团队与Disaitek公司合作，利用人工智能的力量开发了一种新方法来预测行星相互作用的影响，从而发现了系外行星。

新方法是基于训练一个基于恒星亮度数据的神经网络，使其能够识别由这些行星相互作用引起的微妙模式，再使用传统技术(如凌日法)来检测。这种新方法还考虑了一些因素，这些因素会使传统方法复杂化，并且经常被排除在计算之外。

研究人员认为，这种方法被证明对天文观测和探测系外行星是有效的，而且它也可以用于观测地球，用于识别非法排放等各种应用。

虽然科学家们在开发和应用有助于发现地球以外世界的工具方面取得了重大进展，但研究的最终目标是找到另一个可能孕育生命的类地行星。这是系外行星研究的圣杯。地球上的生命需要液态水，因此科学家将恒星的宜居带定义为行星表面可以存在液态水的空间区域。

人工智能可以通过加强对大量天文数据集的分析，从而以更高的精度和效率识别类地系外行星，从而掌握达成这一难以实现的目标的关键。