瑞士伯尔尼大学的科学家们利用新开发的AI模型，以99%的准确率成功锁定了44个可能存在类地行星的恒星系统。该AI模型基于“行星形成与演化伯尔尼模型”进行训练，能够识别可能包含类地行星的系外恒星系统。这一突破性进展将极大地推进潜在宜居星球的搜寻工作，为地外生命探索带来了新的希望。该研究成果对欧洲空间局的PLATO计划和LIFE项目具有重要意义，有望提升这两大太空任务的效率与成功率。

🔭AI模型突破：伯尔尼大学开发出高精度AI模型，准确率高达99%，用于识别可能包含类地行星的系外恒星系统。

✨数据驱动训练：该模型基于“行星形成与演化伯尔尼模型”生成的合成数据进行训练，模拟行星系统形成的物理过程。

🎯目标系统锁定：AI模型识别出44个可能蕴含未知类地行星的恒星系统，为后续探测任务提供了精确的目标。

🚀任务效率提升：该研究成果可用于预筛选目标，提升欧洲空间局PLATO计划和LIFE项目的执行效率。

IT之家 5 月 7 日消息，瑞士伯尔尼大学的科学家在宜居星球探索领域取得重大突破，通过使用新开发的具有 99% 准确率的 AI 模型，科学家成功锁定 44 个可能存在类地行星的恒星系统。

伯尔尼大学与瑞士国家行星研究能力中心（NCCR PlanetS）的联合研究团队于 2025 年 4 月 9 日宣布，他们开发出一款机器学习模型，能够识别可能包含类地行星的系外恒星系统，并拥有前所未有的精度。这项突破不仅推进了潜在宜居星球的搜寻工作，更让地外生命探索迈上了新的台阶。

作为博士研究的一部分，Jeanne Davoult 与 Yann Alibert 和 Romain Eltschinger 教授合作，在伯尔尼大学空间与宜居性中心（CSH）开发了该 AI 模型。团队采用著名的“行星形成与演化伯尔尼模型”生成合成数据进行训练，该模型能模拟行星系统形成的物理过程，最终的成果令人瞩目：该模型能够以 99% 的准确率，筛选极可能存在至少一颗类地行星的恒星系统。

经过训练的模型在应用于真实观测数据后，识别出 44 个可能蕴含未知类地行星的恒星系统，这一发现对欧洲空间局（ESA）即将实施的 PLATO 计划及处于议程中的 LIFE 项目具有重大意义 —— 二者均以探测类地行星为首要目标。

据悉，PLATO（行星凌日与恒星振荡探测计划）将于 2026 年实施，将通过凌日法与星震学技术搜寻宜居系外行星，重点观测类太阳恒星周围的天体。PLATO 筛选出的最佳候选目标，将成为后续 LIFE（大型系外行星干涉仪）项目的观测对象。LIFE 计划拟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。

此次伯尔尼大学的类地行星机器学习预测研究成果，可通过预筛选目标，提升两大太空任务的执行效率与成功率，IT之家附论文链接：

https://www.aanda.org/articles/aa/full_html/2025/04/aa52434-24/aa52434-24.html