摘要：伯尔尼大学研究团队成功将大型语言模型的核心技术应用于天体物理学，开发出一种革命性的人工智能系统，能够在数秒内预测完整行星系统的结构，并推断尚未发现行星的存在。这项突破性研究将传统需要数周计算时间的复杂行星形成模拟压缩至瞬间完成，为即将到来的系外行星探索黄金时代

信息来源：https://www.myscience.org/en/news/2025/artificial_intelligence_drives_the_discovery_of_new_exoplanets-2025-unibe

伯尔尼大学研究团队成功将大型语言模型的核心技术应用于天体物理学，开发出一种革命性的人工智能系统，能够在数秒内预测完整行星系统的结构，并推断尚未发现行星的存在。这项突破性研究将传统需要数周计算时间的复杂行星形成模拟压缩至瞬间完成，为即将到来的系外行星探索黄金时代奠定了技术基础。

该AI模型基于Transformer架构构建，这正是驱动ChatGPT等聊天机器人的核心技术。研究人员巧妙地将行星系统类比为语言序列——如果句子是单词的有序排列，那么行星系统就是行星的有序排列。通过这种创新性的类比，他们成功训练出能够根据已知内侧行星特征预测外侧行星属性的生成模型。

研究成果刚刚发表在《天文学与天体物理学》期刊上，并在苏黎世举行的"快速科学机器学习"会议上荣获最佳海报奖。该项目由伯尔尼大学国家科学研究中心行星科学中心的Yann Alibert教授和Sara Marques教授主导，与现任职于柏林德国航空航天中心的Jeanne Davoult博士共同完成。

从数值模拟到智能预测的技术飞跃

伯尔尼大学的生成式人工智能模型能够创建合成行星系统。© UniBE / NCCR PlanetS ，插图：Thibaut Roger

传统的"伯尔尼模型"在过去二十多年中一直是行星系统形成研究的重要工具，这套复杂的计算程序能够数值模拟行星系统的完整形成过程。然而，即使使用现代超级计算机，每次模拟仍需要数天到数周时间才能完成，这种计算密集型特性严重限制了研究效率。

新开发的AI模型彻底改变了这一现状。通过利用数万个基于伯尔尼模型的数值模拟数据进行训练，该系统能够在数秒内完成原本需要数周的计算任务，速度提升达到百万倍级别。更重要的是，生成结果的准确性令研究团队最初都感到难以置信。

"生成式人工智能模型的结果非常准确，以至于我们一开始非常怀疑，"Marques回忆道。为了验证结果的可靠性，研究团队进行了大量测试，并将结果提交给其他科学家进行独立验证。"最终，他们都得出了相同的结论：生成的行星系统与数值模拟几乎没有区别。"

该模型的工作原理体现了人工智能在科学研究中的创新应用。正如大型语言模型能够根据前几个词预测句子的其余部分，这个行星预测模型能够根据系统中最内侧的行星特征推断外侧行星的完整序列。在一项实验中，研究人员成功证明了在一个真实的三行星系统中，仅通过最内侧行星的属性就能准确推断出第二颗和第三颗行星的特征。

精准观测策略的智能指导

这项技术突破的实际意义远超学术范畴，将直接影响未来的系外行星观测策略。目前以及即将部署的观测设施即将具备观测和描述类地系外行星的能力，而此前的技术只能观测距离主恒星较近的行星。然而，探测类地行星需要大量宝贵的观测时间，在有限的资源条件下，选择正确的观测目标至关重要。

"探测类地行星需要大量的观测时间。在这种情况下，知道在哪里观测对于节省昂贵的观测时间至关重要，"研究第一作者Alibert解释道。通过分析同一星系中其他更容易观测的行星数据，新的AI模型能够预测系统中可能存在的类地行星位置和特征，从而为观测计划提供智能指导。

这种能力对于即将到来的重大天文项目具有特殊意义。欧空局PLATO任务计划于2026年发射，预计将发现数千个行星系统。通常情况下，最靠近恒星的行星将首先被观测到，但其中一些系统可能包含需要地面望远镜后续观测才能发现的类地行星。

"我们的新人工智能模型可以用来优先考虑这些系统的望远镜观测，从而提高发现类似地球的孪生行星的概率，"Davoult表示。这种智能优化策略将大大提高珍贵观测时间的利用效率，加速人类寻找宜居世界的进程。

科学发现模式的深刻变革

这项研究代表了人工智能在基础科学研究中应用的重要里程碑。通过将成熟的机器学习技术创新性地应用于天体物理学问题，研究团队展示了跨学科方法在推动科学发现中的巨大潜力。

Sara Marques，伯尔尼大学空间与宜居性中心 CSH 和 NCCR PlanetS © UniBE / NCCR PlanetS，Thibaut Roger

Alibert教授对这一发展历程颇有感触："2001年我被聘为博士后时，在伯尔尼大学启动了行星系统的数值模拟。这个新的人工智能模型是伯尔尼专业知识的自然延续。"这种技术传承与创新的结合体现了现代科学研究的特点——在深厚的学科基础上拥抱新兴技术。

研究团队的下一步计划更加雄心勃勃。他们将扩展模型功能，使其能够预测行星的更多特性，包括成分分析和宜居性评估。这种全方位的预测能力将为系外行星科学开辟新的研究方向。

该项目还建立在团队此前研究成果的基础上。在之前的模型中，他们已经能够根据星系的内行星预测该星系中存在类地行星的概率。新研究将这一能力大大扩展，从预测单个事件的概率发展到生成完整的行星序列。

"人工智能如今已渗透到每个人的生活中，我相信它将在行星科学和其他领域的科学发现中发挥越来越重要的作用，"Alibert总结道。这一预测正在成为现实，随着AI技术的不断成熟，科学研究的效率和深度都在发生根本性变化。

从更广阔的视角来看，这项研究展示了人工智能如何能够放大人类科学家的研究能力，而不是简单地替代他们。通过自动化耗时的计算任务，AI使研究人员能够将更多精力投入到创造性思考和科学洞察中，从而加速整个发现过程。

来源：人工智能学家