【儀表網(wǎng) 儀表下游】近年來(lái)，隨著技術(shù)日益進(jìn)步，天文學(xué)研究中產(chǎn)生了海量數(shù)據(jù)。天文學(xué)家要想從郭守敬望遠(yuǎn)鏡、“中國(guó)天眼”FAST、LSST大型綜合巡天望遠(yuǎn)鏡等遍布世界的大型望遠(yuǎn)鏡捕獲的海量數(shù)據(jù)中找出有價(jià)值的信息以資研究，無(wú)異于大海撈針。如何高效地處理這些數(shù)據(jù)，已成為現(xiàn)代天文學(xué)面臨的一項(xiàng)重要挑戰(zhàn)。由于人工智能在海量數(shù)據(jù)分析和處理方面所具有的突出優(yōu)勢(shì)，它也很自然地走入了天文學(xué)家的視野。
 

　　日前，中國(guó)科學(xué)院云南天文臺(tái)麗江天文觀測(cè)站龍潛研究員與云南大學(xué)中國(guó)西南天文研究所宇宙學(xué)研究組爾欣中教授團(tuán)隊(duì)合作，利用人工智能深度學(xué)習(xí)的方法，發(fā)現(xiàn)了38個(gè)新的強(qiáng)引力透鏡候選體，為研究天體物理學(xué)問(wèn)題提供了新的可靠的“宇宙探針”候選體。
 

　　什么是人工智能的深度學(xué)習(xí)？
 

　　深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)的方法，它試圖使用包含復(fù)雜結(jié)構(gòu)或由多重非線性變換構(gòu)成的多個(gè)處理層(神經(jīng)網(wǎng)絡(luò))對(duì)數(shù)據(jù)進(jìn)行高層抽象的算法。深度學(xué)習(xí)可以理解為神經(jīng)網(wǎng)絡(luò)的發(fā)展，神經(jīng)網(wǎng)絡(luò)是對(duì)人腦或生物神經(jīng)網(wǎng)絡(luò)基本特征進(jìn)行抽象和建模，可以從外界環(huán)境中學(xué)習(xí)，并以與生物類似的交互方式適應(yīng)環(huán)境。
 

　　例如，正在接受計(jì)算機(jī)視覺(jué)訓(xùn)練的深度學(xué)習(xí)系統(tǒng)可能會(huì)首先學(xué)會(huì)識(shí)別出現(xiàn)在圖像中的物體邊緣。這些信息被傳送到下一層，可能會(huì)學(xué)習(xí)識(shí)別角落或其他特征。它一遍又一遍地經(jīng)歷同樣的過(guò)程，直到系統(tǒng)終開(kāi)發(fā)識(shí)別物體甚至識(shí)別人臉的能力。
 

　　區(qū)別于傳統(tǒng)的淺層學(xué)習(xí)，深度學(xué)習(xí)的不同在于：
 

　　(1)強(qiáng)調(diào)了模型結(jié)構(gòu)的深度，通常有5層、6層，甚至10多層的隱層節(jié)點(diǎn)；
 

　　(2)明確了特征學(xué)習(xí)的重要性。也就是說(shuō)，通過(guò)逐層特征變換，將樣本在原空間的特征表示變換到一個(gè)新特征空間，從而使分類或預(yù)測(cè)更容易。與人工規(guī)則構(gòu)造特征的方法相比，利用大數(shù)據(jù)來(lái)學(xué)習(xí)特征，更能夠刻畫數(shù)據(jù)豐富的內(nèi)在信息。
 

　　通過(guò)設(shè)計(jì)建立適量的神經(jīng)元計(jì)算節(jié)點(diǎn)和多層運(yùn)算層次結(jié)構(gòu)，選擇合適的輸人層和輸出層，通過(guò)網(wǎng)絡(luò)的學(xué)習(xí)和調(diào)優(yōu)，建立起從輸入到輸出的函數(shù)關(guān)系，雖然不能100%找到輸入與輸出的函數(shù)關(guān)系，但是可以盡可能的逼近現(xiàn)實(shí)的關(guān)聯(lián)關(guān)系。使用訓(xùn)練成功的網(wǎng)絡(luò)模型，就可以實(shí)現(xiàn)我們對(duì)復(fù)雜事務(wù)處理的自動(dòng)化要求。
 

　　“在這項(xiàng)工作中，我們用計(jì)算機(jī)分別模擬了強(qiáng)引力透鏡圖像和非強(qiáng)引力透鏡圖像，從而來(lái)訓(xùn)練計(jì)算機(jī)。我們發(fā)現(xiàn)，在準(zhǔn)備訓(xùn)練計(jì)算機(jī)的圖像時(shí)，非強(qiáng)引力透鏡圖像比強(qiáng)引力透鏡更加重要。”爾欣中說(shuō)，開(kāi)始的分析中，他們使用簡(jiǎn)單的規(guī)則星系圖像作為非強(qiáng)引力透鏡訓(xùn)練樣本，發(fā)現(xiàn)結(jié)果正確率非常低。只有把各種可能的非引力透鏡圖像都考慮進(jìn)來(lái)之后，才能得到比較好的結(jié)果。
 

　　目前，隨著技術(shù)與裝備水平快速發(fā)展，人工智能在天文學(xué)上的應(yīng)用還會(huì)越來(lái)越多。“我們計(jì)劃對(duì)一些變?cè)吹亩嗖ǘ喂庾兦€來(lái)進(jìn)行機(jī)器的快速分類，這樣在實(shí)施大樣本巡天的時(shí)候，電腦可以自動(dòng)對(duì)所發(fā)現(xiàn)的變?cè)催M(jìn)行篩選，并對(duì)我們感興趣的天體做出提示，以便進(jìn)一步開(kāi)展后續(xù)研究工作。”爾欣中說(shuō)，正因?yàn)槿斯ぶ悄艿膸椭?，天文研究者得以從耗時(shí)單調(diào)的數(shù)據(jù)篩查分析中解脫出來(lái)，當(dāng)人力“大海撈針”難以招架之日，正是人工智能大顯身手之時(shí)。
 

　　資料來(lái)源：科技日?qǐng)?bào)、獵維教育、百科