美国宇航局（NASA）11月22日发布公告称，新发现301颗系外行星，这是有史以来成批发现系外行星数量最多的一次。
NASA说，之所以现在能一下子发现这么多系外行星，因为他们使用了一个基于神经网络的机器学习（Machine Learning）系统。该项目负责人说，这个系统比现有的其它电脑程序和专家更准确。在此之前，已确认发现4,569颗系外行星。
确定系外行星的过程就是在开普勒（Kepler）太空望远镜发回的大批数据里面，查找可能是行星的信号线索，再交给研究人员逐个确认。以前的工作中发现的很多疑似信号，追踪下去最终并不真的来自系外行星。
再加上数据量现在已经相当的大，任何一个时间点望远镜的视野内都有成千上万颗恒星系统。所以确认这些系统是否含有系外行星是个很费时的过程。
现在，NASA使用超级计算机“昴宿星”（Pleiades），加上新的机器学习系统ExoMiner，大幅缩短了确认每一颗系外行星所需的时间。
ExoMiner项目负责人哈米德･瓦利扎德甘（Hamed Valizadegan）在新闻稿中说：“ExoMiner认为哪个天体是一颗行星，你就可以相信它的确是一颗行星。”
《天体物理学期刊》（The Astrophysical Journal）11月22日接受了这份论文，准备安排发表。
这个机器学习系统汇集了现代科学家用于查找行星的多种方法。最常用的是凌日法，即通过捕捉恒星亮度周期性的变化，分析是不是因为它周围的行星从它的前面经过所造成的。
其它方法还有像径向速度测量法，即测量恒星运动轨迹是否出现偏移，这很有可能是它周围行星与它的引力作用的结果。另外还有微透镜法，判断抵达地球的星光是否绕过了位于它和地球之间的某颗行星，造成恒星影像的失真。最后还有直接成像法，即直接拍摄到系外行星的照片。在已经发现的系外行星里，通过直接成像法发现的系外行星的比例仅比1%多一些。
NASA说，这批新发现的300多颗系外行星里面，没有一颗是像地球这样的岩石行星。在目前已发现的所有系外行星里，绝大多数都是体积和海王星差不多的气态行星。类似地球这样的岩石行星只有很少量。
