首页 - 国内新闻 - 天文学家有一种新的方法来大海捞针

天文学家有一种新的方法来大海捞针

发布时间:2020-09-01  分类:国内新闻  作者:dadiao  浏览:13

它帮助天文学家找到了人工智能的新途径


研究人员利用人工智能的深度学习方法,发现了38个新的强引力透镜候选体,为研究天体物理学问题提供了新的“宇宙探针”候选体。


本报记者赵汉斌陈艳


代理近年来,随着科技的不断进步,天文研究中产生了大量的数据。天文学家希望从世界各地的大型望远镜获取的海量数据中发现有价值的信息,如郭守敬望远镜、“中国天眼”FAST、LSST大型综合测量望远镜等。是大海捞针。如何有效地处理这些数据已经成为现代天文学的一个重要挑战。由于人工智能在海量数据分析和处理方面的突出优势,它自然进入了天文学家的视野。


最近,中国科学院云南天文台丽江天文台研究员龙潜与云南大学西南天文研究所宇宙学研究组二新中教授合作,利用人工智能深度学习方法,发现了38个强引力透镜的新候选者,为研究天体物理学问题提供了新的可靠候选者。英国《皇家天文学会月刊》公布了研究结果。


天文观测产生大量数据。通过机器学习对天体进行分类是很常见的。


随着下一代大规模光度测量项目的发展,人们期望发现成千上万个强引力透镜系统。但是如何在海量的天体图像中快速找到强引力透镜的候选者呢?近年来,人工智能的快速发展为人类提供了新的可能性。


以2009年发射的世界上第一架探测太阳系外类地行星的飞机开普勒任务为例。在其任务的前三年半,它监测了超过15万个恒星系统,并产生了大量数据。这些数据通常由计算机处理,但当计算机识别出某个信号时,它必须依靠人类的分析来判断它是否是由行星轨道产生的。仅靠美国宇航局的科学家或科学团体无法有效完成这项庞大的筛选工作。


”由于数据量如此之大,手动分析通常无法达到所需的速度。借助人工智能的优势,我们可以大大提高数据的分析速度。”龙倩告诉《科技日报》代理,人工智能的效率和准确性远远高于传统方法。研究员


龙倩长期从事人工智能的深度学习。最近,他与二新中教授合作建立并训练了一个卷积神经网络,以寻找一个强引力透镜系统。他们将这个网络应用到欧洲南方天文台2.6米天空观测望远镜(VST)的测量数据中,发现了38个新的强引力透镜候选物。这次构造的神经网络也可以应用于其他大型望远镜的测量数据。


”在这项工作中,我们用计算机模拟了强引力透镜图像和非强引力透镜图像,从而训练了计算机。我们发现,在准备训练计算机的图像时,非强引力透镜图像比强引力透镜图像更重要。”尔新忠说,在最初的分析中,他们使用简单的规则星系图像作为非强引力透镜训练样本,发现结果的准确性非常低。只有考虑到各种可能的非引力透镜图像,才能获得更好的结果。


“这就像教电脑狗是什么,告诉它猫、羊和牛不是狗。如果你只告诉它猫不是狗,那么计算机就很有可能把羊和牛识别为狗。”龙乾说,目前在天文学中用机器学习来分类各种天体是很普遍的。最简单的方法是将恒星从星系中分离出来,或者将星系分成不同的行,并使用多种颜色的星系来估计星系的距离。


新的神经网络每秒可以识别数万张照片,便于实时修改、训练和测试


人眼强引力透镜系统的图像,最快的方法是每秒钟看一张照片。计算机每秒钟可以识别成千上万张图片。该卷积神经网络由


龙谦研究员和二新中教授团队训练,可以充分利用GPU进行并行加速。通过配备更多或更强的图形处理器,该系统可以大大改善搜索


“这种神经网络的训练主要使用模拟数据,仅使用少量人工标注数据。因为模拟数据可以任意生成,所以多样性远远大于手动标记数据。此外,根据数据的特征调整训练参数和训练算法。神经网络的泛化能力大大提高。”龙倩说,此外,研究人员使用朱莉娅,一种新的科学计算语言,来完全定制网络结构。由于朱莉娅集速度和灵活性于一身,神经网络在中央处理器和图形处理器上都有很好的性能,并且可以随意切换,因此对研究人员进行实时修改、训练和测试非常有益。


”我们还通过研究引力透镜数据定制了一个有针对性的小网络,有效地抑制了过度拟合现象。同时,实验证明,该网络的精度与大型网络相似。与大型网络相比,小型网络可以在普通计算机终端上进行训练和测试,而不需要依靠大型GPU集群,这为天文学家使用和改进网络提供了便利。”龙千绝说道。


目前,随着技术和设备的飞速发展,人工智能在天文学中的应用将会越来越多。“我们计划为一些可变光源的多波段光曲线对机器进行快速分类,以便在进行大样本调查时,计算机能够自动筛选已发现的可变光源,并为我们感兴趣的天体提供提示。以便进一步开展后续研究工作。”尔新忠说,借助人工智能,天文研究人员可以从耗时、单调的数据筛选和分析中解脱出来,这是人工智能在人们难以大海捞针的时候展示其才能的时候。[编辑:张奥林]