西班牙航空航天研究所的一组研究人员使用机器学习技术，以已知质量限制了系外行星的半径。

SolèneUlmer-Moll博士 波尔图大学科学系(FCUP)的一名学生解释说，这一结果是通过使用来自不同领域的知识获得的：“这种预测系外行星半径的新颖方法是系外行星科学与机器学习技术之间协同作用的完美示例。”

为了表征行星，需要质量和半径，才能找到行星的密度，并由此推断其组成。但是这两个数据仅可用于减少的系外行星数量，因为质量通常是由径向速度测量确定的，而半径是通过过渡方法测量的。

如果已知其他几个行星和恒星参数，包括系外行星的质量和平衡温度，则该团队开发了一种算法，可以准确预测大范围系外行星的半径。SolèneUlmer-Moll说：“对于使用径向速度方法发现的数百个行星，我们现在能够预测其半径。然后我们可以了解这些系外行星是否可能是岩石世界。”

到目前为止，仅使用系外行星的质量来预测其半径，但是研究小组正在通过合并其他行星和恒星参数来加强其预测，从而改变这种范式。

Nuno Cardoso Santos(IA和FCUP)说：“这项工作将我们团队中的专业知识完美地结合在一起，使用最新的数学工具，将有关系外行星探测和表征的知识以及对被探测系统的统计分析结合在一起这些本质上与现在导致自动驾驶汽车发展的数学工具相同。”