親子觀星會

National Aeronautics and Space Administration Transiting Exoplanet Survey Satellite 第一輪（Cycle 1）的觀測資料 從龐大的光變曲線資料中找出超過 10,000 個系外行星候選天體（planet candidates）

整個流程大致可分為三個階段：

1. 將 TESS 影像轉成光變曲線（light curves）: 觀察恆星亮度隨時間的變化。若行星從恆星前方經過（凌日），亮度會出現非常細微的下降。
2.  AI 初步篩選 : 使用多種演算法（包括文中提到的劍橋團隊開發工具）快速排除大量雜訊、儀器誤差與假訊號。
將約 8,000 萬條光變曲線縮減到約 250 萬條需要進一步分析。
3. Random Forest 機器學習分類  :  團隊自行訓練模型。根據凌日深度、週期、持續時間、訊號品質等多項特徵判斷哪些最可能是真正的行星。


根據研究摘要，候選體涵蓋相當廣泛，包括：

約 9,000 多個可能是接近母恆星運行的氣態巨行星（例如熱木星）
100 多個海王星大小天體
11 個位於宜居帶附近、可能屬於超級地球的候選體

其中最受關注的是最後這 11 個，因為它們可能適合未來利用更高解析度望遠鏡（例如 James Webb Space Telescope）進一步分析大氣成分。

它們只是候選行星，尚未確認存在



https://technews.tw/2026/08/05/ai-powers-astronomical-breakthrough/
美國普林斯頓大學領銜的天文團隊， 近期藉助多項先進的人工智慧（AI）工具，
成功從美國太空總署（NASA）的「凌日系外行星巡天衛星」（TESS）觀測資料中，
一口氣揪出超過 1 萬個系外行星候選體，創下目前同類搜尋中規模最龐大的紀錄之一。

這項研究由普林斯頓大學天體物理學家 Joshua Roth 帶領，
豐碩的成果已整理成名為〈The T16 Planet Hunt: 10,000 New Planet Candidates from TESS Cycle 1〉
的學術論文。

這批新出爐的候選體宛如宇宙大觀園， 橫跨了多種截然不同的天體類型。
Roth 表示，根據團隊統計，這 1 萬多個目標中，
包含了高達 9,000 多個緊貼母恆星運行的氣態巨行星（如「熱木星」）、
100 多個海王星大小的天體，
以及 11 個被學界視為可能具備生命宜居潛力的潛在「超級地球」。

此外，這些行星所環繞的母恆星也展現了  極高的多樣性，從壽命極長的 M 型矮星，
到明亮卻短命的藍色超巨星皆涵蓋在內。

要在浩瀚的數據中找到微弱的行星訊號，AI 成了不可或缺的推手。
研究人員首先將 TESS 的觀測影像轉換為「光變曲線」，
接著部署包含「劍橋系外行星凌日回收演算法」在內的 AI 工具進行初步篩選，
將高達 8,000 萬條的光變曲線大幅縮減至約 250 萬條。
最後， 再利用團隊自行訓練的 Random Forest 機器學習系統進行深度過濾。