瑞士伯尔尼大学的一项新研究在探索宜居星球领域取得了显著进展。科学家利用一款新开发的AI模型，成功预测了44个可能存在类地行星的恒星系统，该模型的准确率高达99%。
这一突破性成果由伯尔尼大学与瑞士国家行星研究能力中心（NCCR PlanetS）的联合研究团队共同宣布。他们开发的机器学习模型，专门用于识别可能包含类地行星的系外恒星系统，其精度前所未有。这项研究不仅加速了潜在宜居星球的搜寻进程，还为地外生命的探索开辟了新路径。
该AI模型由Jeanne Davoult在伯尔尼大学空间与宜居性中心（CSH）开发，她与Yann Alibert和Romain Eltschinger教授紧密合作。为了训练这一模型，团队采用了“行星形成与演化伯尔尼模型”生成的合成数据。该模型能够模拟行星系统形成的物理过程，通过这一训练，AI模型能够准确筛选出极可能存在至少一颗类地行星的恒星系统。
当这款经过训练的模型应用于真实观测数据时，它成功识别出了44个可能含有未知类地行星的恒星系统。这一发现对于欧洲空间局（ESA）即将实施的PLATO计划及正在筹备中的LIFE项目来说，具有重要意义。两者都以探测类地行星为主要目标，而伯尔尼大学的这一研究成果将为它们提供宝贵的预筛选目标。
PLATO计划，即行星凌日与恒星振荡探测计划，将于2026年启动。该计划将利用凌日法和星震学技术搜寻宜居系外行星，并特别关注类太阳恒星周围的天体。通过PLATO筛选出的最佳候选目标，将成为后续LIFE项目的观测对象。LIFE计划则计划采用红外光谱学与消零干涉测量技术，分析系外行星大气中的水、甲烷等生物标志物。
伯尔尼大学的这项研究还展示了机器学习在天文研究中的巨大潜力。通过预先筛选目标，可以显著提升太空任务的执行效率和成功率。这一成果不仅为天文学界带来了希望，也为人类探索宇宙、寻找地外生命的梦想增添了新的动力。
在PLATO和LIFE项目即将启动之际，伯尔尼大学的这一研究成果无疑为它们提供了有力的支持。通过这一研究，我们有望更深入地了解宇宙的奥秘，甚至发现生命的迹象。
