現在天文學家已經開始深入學習，這是一種機器學習的形式，在這種學習中，計算機可以被訓練來識別或分類圖像中的特定物體。最新的望遠鏡，如在智利北部使用4米望遠鏡的黑暗能量調查，覆蓋了南方四分之一的天空，拍攝了數以百萬計的各種天體的圖像。這些通常包括視覺扭曲、宇宙射線和衛星軌跡，使它們難以解釋。深入學習可以幫助快速處理大量的數據。伊利諾伊州巴塔維亞費米實驗室的天體物理學家布賴恩·諾德說：“天文學是下一個領域?！?/p>

Nord是一群天體物理學家中的一員，他們尋找罕見的引力透鏡，它們有彎曲的光條或重復的圖像，表明存在大量的物體，扭曲光線?？茖W家們常常不得不逐個看大量的圖像，一弛一張。但現在他們有了一種可能改變游戲規則的技術。太空中的巨大物體-像星系團-和隱藏在視野之外的暗物質-扭曲了我們從遙遠的星系和類星體中看到的光，使周圍的光線偏轉和扭曲。遙遠的星系看起來像放大的弧形，就像透過宇宙放大鏡的邊緣。到目前為止，科學家們已經發現了數百個這樣的透鏡，證實了愛因斯坦和其他人在20世紀30年代對廣義相對論的預測。根據Nord在1月4日于得克薩斯州葡萄市舉行的美國天文學會會議上提出的研究結果，隨著新開發的深度學習工具，天文學家預計將在“黑暗能量調查”中發現至少2000人。一大類引力透鏡將幫助天文學家更多地了解暗物質的性質以及它如何將星系連接在一起。

尋找引力透鏡就像在遙遠的干草堆中尋找針頭，而沒有兩根針或干草堆是一樣的。“深入學習是我們創建一個復雜系統模型的一種方式，”Nord說。為了進行復雜的分類，天文學家們長期以來一直使用像神經網絡這樣的統計機器學習技術，這是一種編程系統，在網絡中連接著分層的節點，就像人腦中的神經元一樣。深入學習只是涉及到計算中更多的相互關聯的層或步驟，包括隨著算法從輸入到輸出而增加復雜性的“隱藏”層。例如，使用面部識別軟件，有人在圖像中輸入信息，系統首先檢測邊緣、線條和曲線。中間層然后把較高層次的特征，如眼睛或嘴巴，最后是一張臉.對于引力透鏡，該軟件將逐漸識別一個由弧形環繞的大星系，顯示背景物體的變化。

經過多個鏡頭圖像的訓練后，這樣的算法就可以在以前從未見過的圖像中找到新的鏡頭。目前最先進的算法可以正確地識別這些鏡頭，幾乎只有幾%的時間，當他們把一個特別混亂的圖像誤認為是真實的。科林·雅各布斯(Colin Jacobs)和澳大利亞墨爾本的斯溫伯恩科技大學(Swinburne University Of Technology)的卡爾·格拉澤布魯克(Karl Glazebrook)也在致力于這個問題。“理想情況下，它應該比計算機視覺或面部識別所需要的更準確，”他補充道。為了應對這一挑戰，Nord和Jacobs和他們的同事們可以設計出嚴格的算法，以確保它能在一項調查中找到最清晰的鏡頭-麥片。但這有可能會漏掉許多鏡片。或者，他們試圖在他們的搜索標準更寬松，知道這將意味著以后淘汰一些圖像，碰巧看起來有點像鏡頭。

過去的幾年里，天文學家也開始在其他領域進行深入的學習，主要是以其他方式破譯圖像。他們使用這些技術來區分銀河系中的遙遠星系和恒星，估計到遙遠物體的距離，并對星系的結構進行分類，這些星系可以呈現出各種螺旋和橢圓形狀。其他人則利用公民科學，招募世界各地的人來幫助整理圖像。一個叫做銀河動物園例如，對數十萬個星系的結構進行了分類，而另一個則被稱為空間翹曲已經發現了幾十個其他人錯過的候選引力透鏡。Nord對這些努力表示贊賞，但如果他的軟件如廣告所示，“深度學習具有更快的潛力，”他說。

舉報/反饋

總結

以上是生活随笔為你收集整理的计算机科学与天文,计算机科学技术帮助天文学家探索宇宙的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。