近日，由中国科学院上海天文台葛健教授带领的国际团队，研发了一种结合GPU相位折叠和卷积神经网络的深度学习算法，并在开普勒（Kepler）2017年释放的恒星测光数据中发现了五颗直径小于地球、轨道周期短于1天的超短周期行星。其中，四颗是迄今为止发现的距 ...

近日，中国科学院上海天文台葛健教授带领的国际科研团队取得了重大突破，利用人工智能技术在太空探索中发现了五颗超短周期行星。这些行星的轨道周期短于一天，直径均小于地球，并且是迄今为止发现的距其主星最近的最小行星。该研究成果发表于《皇家天文学会月报》（MN ...

新发现的类似火星大小的超短周期系外行星。由于离主星非常近，行星不光表面温度很高，而且潮汐力会挤压行星内部和表面产生很多火山喷发。此为艺术想象图（制图：石琰） 近日，由中国科学院上海天文台葛健教授带领的国际团队创新了一种结合GPU相位折叠和卷积神经网络 ...

近日，由中国科学院上海天文台葛健教授带领的国际团队创新了一种结合GPU相位折叠和卷积神经网络的深度学习算法，并成功在开普勒（Kepler）2017年释放的恒星测光数据中发现了五颗直径小于地球、轨道周期短于1天的超短周期行星，其中四颗是迄今为止发现的距 ...

其中四颗是迄今为止发现的距其主星最近的最小行星 ，类似火星大小。 这是天文学家首次利用人工智能一次性完成搜寻疑似信号和识别真信号的任务 。相关研究成果发表在《皇家天文学会月报》（MNRAS）上。

据研究团队介绍，经过5年的努力和创新，研究团队成功开发了结合GPU相位折叠和卷积神经网络的深度学习的新算法（GPFC）。该算法比国际上流行的BLS法搜寻速度提高了约15倍，检测准确度和完备度各提高约7%，显著提高了凌星信号搜索速度、精度和完备度。

近日，由中国科学院上海天文台葛健教授带领的国际团队创新了一种结合GPU相位折叠和卷积神经网络的深度学习算法，并成功在开普勒（Kepler）2017年释放的恒星测光数据中 ...

近日，中国科学院上海天文台葛健教授带领的国际团队在天文领域取得了突破性进展。他们创新性地结合GPU相位折叠和卷积神经网络，开发出一种全新的深度学习算法（GPFC），并在开普勒（Kepler）2017年发布的恒星测光数据中成功发现了五颗前所未有的超短周 ...

【ITBEAR】由中国科学院上海天文台葛健教授率领的国际科研团队，近期在恒星测光数据研究中取得了突破性进展。他们研发出一种结合GPU相位折叠和卷积神经网络的深度学习算法GPFC，并成功在开普勒（Kepler）2017年释放的数据中发现了五颗直径小于地 ...

【ITBEAR】中国科学院上海天文台的葛健教授领导的一支国际科研团队，近期在恒星测光数据研究领域取得了突破性进展。他们创新性地融合GPU相位折叠技术和卷积神经网络，开发出一种全新的深度学习算法。这一算法在应用于开普勒（Kepler）2017年发布的恒 ...

该算法已应用于 Kepler 的数据集中，并识别出五颗新的超短周期行星 ——Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c 和 Kepler-2003b。 其中，Kepler-879c ...

周三，Kepler Cheuvreux调整了对Teleperformance (TEP:FP) (OTC: TLPFY)股票的立场，将其评级从持有上调至买入。该公司还将Teleperformance的目标价从105.00欧元上调至130.00欧元。此次上调受到可能对公司估值和市场认知产生积极影响的短期潜在催化剂的影响。 分析师强调，Teleperformance最近的领导层变动是此次上调的关键因素 ...