科技日报昆明9月17日电（记者赵汉斌）记者17日从中国科学院云南天文台了解到，该台恒星物理研究团组和天文技术实验室近期基于机器学习，合作开发了快速计算恒星—行星系统潮汐演化的方法。
相对于传统的理论模型计算，新方法的计算速度可提高四个数量级。
相关研究成果在线发表于国际期刊《皇家天文学会月报》。
由恒星和行星组成的类双星系统的演化过程，涉及恒星和行星自身的演化、恒星和行星的物质损失、恒星和行星之间的潮汐演化。
潮汐演化不仅改变了恒星的自转，也调整了行星的轨道参数，比如偏心率和轨道间距。
传统方法通过在恒星演化中添加潮汐演化的计算模块，从而得到其潮汐演化状态，但计算效率较低，不利于将潮汐演化整合到恒星和行星组成的类双星系统演化中。
鉴于此，云南天文台博士生郭帅帅和研究员季凯帆、郭建恒等人，基于机器学习的方法，在一个包括了恒星质量、金属丰度、初始自转周期、行星质量、轨道半长轴等的参数空间中，计算了15000余条潮汐演化的模型。
随后，他们对这些演化模型作了复原，得出不同年龄条件下恒星的有效温度、半径、自转周期和行星的轨道周期等数据。
依据恒星—行星系统潮汐演化特征，研究人员进一步将其分为6个类型。
他们发现，除了恒星自转和行星轨道周期几乎一致的情况外，机器学习方法得到的结果，可在很大程度上复现理论计算所得的恒星—行星潮汐演化状态。
此项研究提供了可以便捷地将潮汐演化整合到恒星—行星系统演化中的方式，有助于理解此类系统的基本物理机制，也为分析该系统在不同迁移状态下的演化特征奠定了基础。