AI已经帮助天文学家进行令人难以置信的发现

2023 年世界太空周（World Space Week 2023）即将到来，在太空时代庆祝其 66 周年之际，太空网（Space.com）将关注人工智能（AI）的现状及其对天文学和太空探索的影响。在这里，保罗-萨特（Paul Sutter）将讨论人工智能是如何帮助天文学家取得新的惊人发现的。

无论我们是否愿意，人工智能都将改变我们与宇宙互动的方式。

作为一门科学，天文学有着悠久的传统，即通过筛选海量数据、意外发现以及理论与观测之间的深度联系来寻找规律。在这些领域，人工智能系统可以使天文学领域比以往任何时候都更快、更强大。

然而，值得注意的是，“人工智能”是一个广义的术语，涵盖了各种相关的软件工具和技术。天文学家最常使用神经网络，其中软件通过学习训练数据集中的所有连接关系，然后将这些连接的知识应用于实际数据集。这有助于更好地处理数据，发现模式，解释天文现象，并进行未来观测的预测。

以数据处理为例。从哈勃太空望远镜或詹姆斯·韦伯太空望远镜在线发布的漂亮图片远非这些仪器对特定天区的第一次观测。

原始天文图像充满了错误、杂乱的前景、污染物、伪影和噪音。处理和清理这些图像以制作出可呈现的成果，更不用说用于科学研究，通常需要大量输入，通常部分手动完成，部分由自动化系统完成。

越来越多的天文学家开始借助人工智能来处理数据，剪裁掉图像中的无用部分，以生成清晰的结果。例如，2019年首次发布的银河系梅西尔87号（M87）核心超大质量黑洞的图像在2023年4月接受了机器学习的“改头换面”，结果是黑洞结构更清晰的图像。

另一个例子是，一些天文学家将星系的图像输入到神经网络算法中，并按照发现的星系的分类方案对算法进行指导。现有的分类来自于研究人员自己或志愿者公民科学努力的手动分配。有了训练集，神经网络可以应用于真实数据，并自动对星系进行分类，这一过程比手动分类快得多，错误更少。

天文学家还可以使用人工智能来从地面望远镜拍摄的太空图像中去除地球大气引起的光学干扰。

以下是展示AI软件“去模糊”过程的八幅图像。为了从图像中去除地球大气的影响，该过程将起始图像通过八个网络层，生成八个中间图像。最早的图像位于左上角，最终的图像位于右下角。（图片来源：Emma Alexander/西北大学）

人工智能甚至被提议用于帮助我们发现火星上的生命迹象，理解太阳的日冕为何如此炽热，或揭示恒星的年龄。

天文学家还在利用神经网络比以往更深入地研究宇宙。宇宙学家开始使用人工智能来理解宇宙的基本本质。两个最大的宇宙谜团是暗物质和暗能量的身份，这两种物质超出了我们目前的物理知识，它们联合占据了整个宇宙能量的95%以上。

为了帮助确定这些奇怪的物质，宇宙学家目前正在尝试测量它们的性质：有多少暗物质和暗能量，以及它们在宇宙历史上如何变化。暗物质和暗能量的性质微小变化会对宇宙的历史产生深远影响，涉及到从星系的排列到像我们的银河系中的星系的星形成速率等方方面面。

神经网络正在帮助宇宙学家解开暗物质和暗能量的所有多种效应。在这种情况下，训练数据来自复杂的计算机模拟。在这些模拟中，宇宙学家改变暗物质和暗能量的性质并观察其变化。然后，他们将这些结果输入神经网络，以便它可以发现宇宙变化的所有有趣方式。虽然还不完全准备好投入实际应用，但希望宇宙学家随后可以将神经网络应用于实际观测，让它告诉我们宇宙由什么组成。

随着现代天文观测台不断产生大量数据，这些方法变得日益关键。位于智利建设中的现代化设施——维拉·C·鲁宾天文台将负责提供超过60皮字节（1皮字节等于1000太字节）的原始数据，这些数据以高分辨率的天空图像形式呈现。解析这么多数据甚至超出了最有决心的研究生的能力范围。只有计算机，在人工智能的辅助下，才能胜任这项任务。

对于即将到来的观测台来说，特别感兴趣的是寻找意想不到的发现。例如，天文学家威廉·赫歇尔在对夜空进行定期调查时偶然发现了天王星。人工智能可以用来通过识别任何不符合已建立模式的事物来标记和报告潜在有趣的天体。事实上，天文学家已经使用人工智能来使用专为维拉·C·鲁宾天文台编写的算法来发现潜在危险的小行星。

参考链接：https://www.space.com/astronomy-research-ai-future