125
機器人
人工智能剛發現了56個新的引力透鏡
【博科園-科學科普】對天文學家來說，引力透鏡是研究宇宙中最遠天體的重要工具。這項技術包括使用一個巨大的物質簇(通常是一個星係或星團)在一個遙遠的光源和觀察者之間，以更好地看到來自該光源的光。在愛因斯坦的廣義相對論預測的結果中，天文學家可以看到可能被遮擋的物體。
這個插圖顯示了引力透鏡的工作原理。一個大星係團的引力是如此之強，它會彎曲、照亮和扭曲後麵的遙遠星係的光。這種規模被極大地誇大了;在現實中，遙遠的星係離我們更遠，而且小得多。圖片版權：NASA, ESA, L. Calcada
最近一群歐洲天文學家開發了一種方法，可以在海量數據中找到引力透鏡。使用與穀歌、Facebook和特斯拉(Tesla)相同的人工智能算法，他們可以找到56個新的引力透鏡，從一個巨大的天文調查中。這種方法可以消除天文學家對天文圖像進行目視檢查的需要。
最近英國皇家天文學會月報刊登了一篇題為“用卷積神經網絡在基洛度調查中發現強引力透鏡”的研究報告。由Kapteyn天文研究所的Carlo Enrico Petrillo領導，該團隊還包括國家天體物理研究所(INAF)、argelandert天文研究所(AIfA)和那不勒斯大學。
著名的引力透鏡被稱為宇宙馬蹄鐵是在裏奧發現的。圖片版權：NASA/ESA/Hubble
對天文學家來說，引力透鏡是一種很痛苦的發現。通常這將包括天文學家通過望遠鏡和天文台拍攝的數千張圖像進行排序。雖然學術機構能夠依賴於業餘天文學家和從未有過的公民天文學家，但卻沒有辦法跟上世界各地儀器經常捕捉到的數以百萬計的圖像。
為了解決這一問題，派特裏洛博士和他的同事們研究了所謂的“驚厥神經網絡”(CNN)，這是一種針對特定模式挖掘數據的機器學習算法。當穀歌使用這些相同的神經網絡贏得與世界冠軍的比賽時，Facebook使用它們來識別網站上發布的圖片，而特斯拉一直在使用它們開發自動駕駛汽車。
正如佩特裏洛在最近的荷蘭天文研究所的一篇新聞文章中解釋的那樣：這是第一次使用卷積神經網絡在天文觀測中發現特殊物體。我認為這將成為一種規範，因為未來的天文調查將產生大量的數據，這將是必要的檢查，但沒有足夠的天文學家來解決這個問題。
然後研究小組將這些神經網絡應用於從千度調查中得出的數據(孩子們)。這個項目依賴於位於智利的ESO的帕拉納天文台的VLT測量望遠鏡(VST)，繪製了南夜空的1500平方度。這個數據集由VST的OmegaCAM收集的21789個彩色圖像組成，這是一個由歐洲科學家聯盟與ESO聯合開發的多波段儀器。
天文學家用來訓練他們的神經網絡的引力透鏡的手工照片樣本。圖片版權：Enrico Petrillo/Rijksuniversiteit Groningen
這些圖像都包含了明亮的紅色星係(LRGs)的例子，其中3個被認為是引力透鏡。最初，神經網絡在這個樣本中發現了761個引力透鏡。在目視這些候選人之後，研究小組將名單縮小到56個鏡頭。這些仍然需要太空望遠鏡在未來確認，但結果是相當積極的。
正如他們在研究中所指出的，這樣一個神經網絡，當應用於更大的數據集時，可能會發現成百上千的新鏡頭，根據我們的研究結果保守的估計結果表明，我們提出的方法應該是可以找到的。100個巨大的lrg - galaxy鏡頭在z ~> 0.4的孩子完成後。在最樂觀的情況下，這個數字會有很大的增長(最大程度2400個鏡頭)，當擴大了色彩大小的選擇，並訓練CNN識別更小的圖像分離鏡頭係統。
此外神經網絡在數據集中重新發現了兩個已知的透鏡，但沒有發現第三個。然而，這是由於這個透鏡特別小，而神經網絡沒有被訓練來探測這種大小的透鏡。在未來，研究人員希望通過訓練他們的神經網絡來發現更小的透鏡，並拒絕誤報。
當然這裏的最終目標是完全消除對視覺檢查的需求。這樣一來，天文學家就可以從不得不做繁重的工作中解脫出來，並且可以投入更多的時間去探索發現的過程。同樣機器學習算法也可以用來搜尋引力波和係外行星信號的天文數據。
就像其他行業試圖從tb級的消費者或其他類型的“大數據”中尋找意義一樣，這個領域的天體物理學和宇宙學可能會依賴人工智能來在原始數據的宇宙中找到模式。而且回報很可能是一個加速的發現過程。
知識：科學無國界，博科園-科學科普
參考：Netherlands Research School for Astronomy , MNRAS
作者：Matt Williams
來自：Universe Today
編譯：中子星
審校：博科園
最後更新：2017-10-30 01:18:02