正在寻觅暗物质, 机器在眼神方面比人更具优势。近期, 一篇在《计算天体物理学和宇宙学》上得以发表的论文表明, 美国劳伦兹伯克利国家实验室等诸多机构联合研发的深度学习AI框架, 有能力去探寻宇宙之中暗物质的迹象。
近年来, 人工智能在天文学研究中的应用日益增多, 深度学习需要海量数据, 天文学是人工智能能够大展拳脚的领域, 机器能够代替人类在茫茫之中搜寻, 捕捉到新的恒星、新的地外行星乃至暗物质。
辨认“引力透镜”，AI立功了
探寻“引力透镜”，是为研究暗物质分布的基本办法。具备巨大质量的物体, 会如同透镜那样, 使路过的光线发生扭曲。找出这种光线的扭曲情况, 便能捕获到不发光的质量物体。
展示论文表明, 由伯克利实验室构建的深度学习人工智能框架CosmoGAN, 能够对引力透镜和暗物质之间的关联展开分析, 它还能够去创建出高保真以及弱引力透镜收敛图。
不知何时起, 找寻“引力透镜”所要的模拟跟数据处理颇为繁杂。科学家二十名, 耗费数月之久, 仅能察看一小片空间的图像。物理模拟需数十亿个计算小时, 占用数兆字节的磁盘空间。
一个机会因神经网络的进步而被提供, 一个团队由伯克利实验室领导, 该团队引入了一种名为“生成性对抗网络（GANs）”的东西, 研究者穆斯塔法说道, 存在别的深度学习方法, 这些方法能从许多图像里得到收敛图, 然而与竞争方法相比较, GANs生成的是非常高分辨率的图像, 并且同时仍具备神经网络的高效率。
现今, 天文学家能够借助CosmoGAN去剖析规模大出许多的天区, 并且速度更为快捷。
CosmoGAN并非是那唯一获致进展的天文学深度学习神经网络。举例而言, 多伦多大学运用深度学习技术去解析月球陨石坑的卫星图像, 再者, P8超级计算机的神经网络在仅仅几个小时之内就发现了6000个全新的陨石坑, 这可是过去几十年里人类所发现陨石坑数量的2倍。还有伊利诺伊大学厄巴纳 - 香槟分校借助深度学习来探测以及分析黑洞碰撞的引力波。总之, AI在天文学领域呈现出全面发展的态势。
数据太多开云正版app下载，没机器玩不转
在过去的几年当中, 天文领域之内的大多数方向, 都在尝试着去运用人工智能。鉴于天文学所要处理的数据数量众多, 这是一种非常自然的思路。要让机器去练习分析细微的迹象, 不然的话, 未来的天文学将会无法正常运转。
不久前举办了2019年GPU技术大会, 该大会吸引了全世界的人工智能学者, 大会请来了加州大学圣克鲁兹分校的天文学家布兰特·罗伯特森进行演讲, 他指出, 天文学正在一场新的数据革命的风口, 罗伯特森认为, 新一代天文仪器必须配合由深度学习驱动的新一代软件。
例如, 有一个预计在3年后开始运行的大口径全天巡视望远镜, 也就是LSST。它会对南天那一半的宇宙里的370亿个星系展开巡视, 进而生成一部时长为十年的不会间断的视频。LSST所配备的是具有32亿像素的相机, 并且每晚都会产出25TB的数据, 这一数据量等同于现在先进天文望远镜一生所贡献的全部数据。
再比如说平方公里阵列射电望远镜, 也就是SKA, 它在全球范围内分布, 其中，一部分天线在非洲南部的8个国家展开部署, 另外, 还有100多万个天线处于澳大利亚和新西兰的区域, 它所产生的原始数据在每一天能够达到5千个PB, 就算是经过处理之后, 大概也会有50个PB。
编制几亿个星系星图的是“暗能量巡天”, 测绘银河系数十亿恒星的是“盖亚”卫星, 每小时能够扫描3750平方度天区的是“兹威基”项目。在中国, FAST每天的数据量会达到150TB, 郭守敬望远镜观测了901万条光谱, 这是世界上最大的天体光谱库……
捕捉人类看不出的模式
数据正变得越发多起来开云手机入口app下载开云app在线入口，科学家尝试着去聚合这些数据。然而在GPU大会之上, 罗伯特森讲道, 未来会有几个大型的天文望远镜共同产出海量的数据, 聚合之后其复杂程度达到让人类没办法直接运用的地步。并且加州大学圣克鲁斯分校的科学家试着去解决这个问题。计算机科学系有一名博士生创建的Morpheus深度学习框架, 能够依据望远镜的原始数据, 逐个像素地对天体进行分类。
来自加州大学圣克鲁兹分校的科学家们, 运用AI对星系的形成展开了更好的研究。在2019年初他们所发表的一项研究里, 科学家借助计算机模拟的星系来训练计算机, 使其学习星系演化的三个关键阶段。随后, 计算机对来自哈勃太空望远镜的星系图像进行分析, 其表现出奇地好。
人脸识别领域应用了人工智能, 经海量数据训练后, 依据一张照片, 能够认出此人化妆时以及年老时的模样。并且, 宇宙里诸多图像, 也能够运用同样办法予以归类。
对于“深度学习能够寻觅模式, 机器能够察觉到极为繁杂的模式, 然而人类却察觉不到”这一情况, 参与研究的科学家大卫·库表示, “我们期望去进一步检测这种方法。在概念验证研究里, 机器好像成功地于数据中寻觅到了模拟中所明确的星系演化的不同阶段。”。
帮天文学家找到另一个太阳系
2018年年底时, 有一篇报道表明, 谷歌的人工智能开始发力, 它从开普勒系外行星观测数据库当中, 找到了新的行星。行星是极难被寻找的。处于太空当中的开普勒卫星, 观察了145000颗类似太阳的恒星, 它是通过恒星亮度的微弱变化, 来发现行星的。在记录的4年数据里, 包含了大约35000个疑似的行星记录。天文学家运用机器结合人眼来进行识别, 然而最暗最弱的信号, 常常会被忽略。
因得到谷歌AI的助力, 我们发觉了开普勒90i与开普勒80g这两颗全新的行星, 且这样一来开普勒90也被认定为首个至少有8颗行星的外星系。
神经网络对140亿个数据点进行了处理, 机器学习也对140亿个数据点进行了处理, 随后成功筛选出了候选者。
就未来新技术会找到更多系外行星这一情况而言, NASA和谷歌是这样说的。并且, NASA还表明不用担心天文学家会失业。其中, NASA的科学家杰西·道特森解释称, 在数据提供给神经网络之前, 是需要天文学家进行分类的, 如此一来人工智能才能够从中学习并分析出新的信息。
道特森讲, AI往后肯定会跟天文学家一块儿开展工作, 变成不可或缺的工具。
当然了, 机器学习带来那个“黑盒子”风险, 我们获取到了答案, 然而我们并不晓得机器为什么会这样去判断, 没准答案是错误的, 并且机器它也是会出错的, 天文学家会持续去训练以及适应它这一类情况。
还木有评论哦，快来抢沙发吧~