科研團(tuán)隊(duì)利用人工智能在天文大數(shù)據(jù)應(yīng)用方面獲得進(jìn)展

中科院上海天文臺(tái)研究員葛健帶領(lǐng)的國(guó)際團(tuán)隊(duì)，運(yùn)用人工智能的深度學(xué)習(xí)方法，對(duì)國(guó)際斯隆巡天三期釋放的類星體光譜數(shù)據(jù)進(jìn)行了微弱信號(hào)搜尋和數(shù)據(jù)分析，發(fā)現(xiàn)了稀少的107例宇宙早期星系內(nèi)的冷氣體云塊成分的關(guān)鍵探針中性碳吸收體。分析發(fā)現(xiàn)，在宇宙約30億年的演化早期，這些攜帶中性碳吸收體探針的早期星系已經(jīng)過快速物理和化學(xué)演化，并進(jìn)入介于大麥哲倫矮星系和銀河系之間的物理和化學(xué)演化狀態(tài)。該研究為探索星系如何形成和演化提供了新的研究方式，展現(xiàn)了人工智能在天文海量數(shù)據(jù)中探尋微弱信號(hào)的應(yīng)用前景。 cVU[>gkg_  
研究冷氣體和塵埃對(duì)剖析星系形成和演化至關(guān)重要，為天文學(xué)家探討星系從“最初組裝”到恒星形成時(shí)期的劇烈變化，再到演化后期的整個(gè)星系生命周期提供了關(guān)鍵手段。中性碳吸收線可作為有效探針來跟蹤氣體和塵埃成分。而這些中性碳吸收線的信號(hào)微弱且稀少，需要在海量的類星體光譜數(shù)據(jù)中才能找到。使用傳統(tǒng)的搜尋方法耗費(fèi)時(shí)間，同時(shí)搜尋到的假信號(hào)較多，易遺漏一些微弱信號(hào)。 %q@@0qenv  
該團(tuán)隊(duì)采用人工智能的深度學(xué)習(xí)方法，設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)，生成基于實(shí)際觀測(cè)的中性碳吸收線特征的大量仿真樣本去訓(xùn)練深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，并使用這些被“訓(xùn)練好”的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在斯隆巡天三期釋放的數(shù)據(jù)中搜尋中性碳吸收體。該團(tuán)隊(duì)通過上述方式發(fā)現(xiàn)了稀少的107例宇宙早期星系內(nèi)的冷氣體云塊成分的關(guān)鍵探針——中性碳吸收體。該研究獲得的樣本數(shù)是此前獲得的最大樣本數(shù)的近兩倍之多，并探測(cè)到更多比以前更微弱的信號(hào)。 Cs<