通过一种新颖异常检测方法推测系外行星宜居性

随着数千颗系外行星的发现以及银河系中可能存在数十亿颗此类行星，宇宙学研究发生了深刻转变。这些搜寻的最大目标是是否存在其他承载生命的行星。然而，这些已探测行星中哪些宜居、潜在宜居，或甚至可能已有生命居住，这一问题仍无答案。一些潜在宜居系外行星已被假设，但由于地球是唯一已知宜居行星，宜居性度量必然以地球为参照确定。近期若干工作基于优化方法引入了新宜居性度量。使用监督学习对潜在宜居系外行星进行分类是另一新兴研究领域。然而，建模与监督学习两种方法均有缺陷。我们提出一种异常检测方法——多阶段模因算法（MSMA），以检测异常并将其扩展为无监督聚类算法 MSMVMCA，用以将潜在宜居系外行星作为异常检测出来。该算法基于如下假设：地球是一个异常，在数千个数据点中可能存在少数其他异常。我们描述了一种基于 MSMA 的聚类方法，其带有新颖距离函数，以将宜居候选体作为异常（包括地球）检测出来。结果与该行星宜居性实验室（PHL）的宜居系外行星目录（PHL-HEC）的乐观与保守潜在宜居系外行星列表进行了交叉比对。