行星系统形成的数值计算在计算能力方面要求很高。 然而,这些合成行星系统可以提供在同一系统中行星的性质之间的相关性,正如给定的数值框架所预测的那样。 作为回报,这种相关性可以用来指导和优先考虑旨在发现某些类型的行星的观测活动,如类地行星。 我们的目标是开发一个生成模型,能够捕获同一系统中行星之间的相关性和统计关系。 这种模型在伯尔尼模型上训练,提供了产生大量合成行星系统的可能性,几乎没有计算成本,例如,可用于指导观测活动。 我们的生成模型基于变压器架构,该结构以有效地捕获序列中的相关性而闻名,并且是所有现代大型语言模型的基础。 为了评估生成模型的有效性,我们执行视觉和统计比较,以及机器学习驱动的测试。 最后,作为用例示例,我们考虑TOI-469系统,其中我们的目标是根据行星b(第一个检测到的)的特性来预测行星c和d的可能特性。 我们使用不同的比较方法表明,我们的模型生成的系统属性与伯尔尼模型直接计算的系统的性质非常相似。 我们还在TOI-469系统的例子中表明,使用生成模型可以根据已经观察到的行星的特性来预测尚未观测到的行星的性质。 我们在我们的网站www.ai4expoplanets.com上向社区提供我们的模型。