近日，由中国科学院上海天文台葛健研究员带领的国际团队，通过人工智能的深度学习，对国际斯隆巡天三期释放的类星体光谱数据进行了微弱信号搜寻和数据分析，发现了极其稀少的107例宇宙早期星系内冷气体云块成分的关键探针中性碳吸收体。研究团队分析发现，早在宇宙约30亿年的演化早期，这些携带了中性碳吸收体探针的早期星系已经过了快速物理和化学演化进入介于大麦哲伦矮星系和银河系之间的物理和化学演化状态。相关研究成果于5月15日发表在国际天文学顶级期刊《皇家天文学会月报》上。
本次工作的研究方法与成果，对探索星系如何形成和演化提供了新的研究方式，也充分显现了人工智能在天文海量数据中探寻微弱信号的广泛应用潜力和前景。研究冷气体和尘埃对理解星系形成和演化至关重要，想要研究冷气体和尘埃需要探针。早期宇宙的星系离我们太遥远，无法将星系自身发的光作为探针来观测并研究冷气体和尘埃。然而，宇宙中比星系要亮百倍以上的类星体所发出的光，在经过宇宙早期星系时会被其中的气体和尘埃吸收，产生类星体的吸收光谱。其中，中性碳的吸收光谱可以帮助天文学家准确跟踪冷气体运行，因此，中性碳吸收体成为研究星系形成和演化的重要探针。
据研究团队解释，中性碳原子基态的精细结构能级差别很小，中性碳吸收线的信号微弱且极其稀少，需要在海量的类星体光谱数据中才能找到，如同大海捞针。使用传统的搜寻方法需要耗费大量时间，找到的假信号较多，又很容易漏掉一些微弱信号。
为了解决这一问题，研究团队通过使用人工智能的深度学习方法，设计神经网络，生成基于实际观测的中性碳吸收线特征的大量仿真样本去训练深度学习神经网络，并使用这些被“训练好”的深度学习神经网络，在斯隆巡天三期释放的大量数据中，搜寻中性碳吸收体。通过这样的方式，研究团队很快发现了极其稀少的107例宇宙早期星系内的冷气体云块成分的关键探针——中性碳吸收体。本次获得的样本数是此前获得的最大样本数的近两倍之多，并且成功探测到了更多比以前更微弱的信号。
“此前已知的中性碳吸收线的样本数很少，无法直接使用这么小的样本对深度学习神经网络进行充分训练。”葛健指出，“与此同时，需要探测的两条中性碳特征吸收线不仅微弱，还分布在诸多的强吸收线中间，神经网络很容易在训练中被强吸收线误导，产生训练偏差，从而影响到探测出真正的中性碳特征吸收线的灵敏度。”
研究团队采用了创新的方法训练人工智能，使深度学习神经网络的探测精度达到了99.8%，探测完备性也显著提升了约30%，达到了99%的完备性。研究团队提到，这种人工智能的训练和搜寻方式大大缩短了搜寻时间，提高了探测灵敏度和对微弱信号探测的完备性。
区别于韦伯太空望远镜通过星系发射光谱来研究，本次工作中，研究团队通过观测类星体的吸收光谱来研究早期星系，这将为未来宇宙和星系早期演化研究提供了一个全新且有效的研究手段。
“本次工作的突破性发现是人工智能在天文大数据领域应用的一个里程碑。要想使用人工智能在海量的天文数据中‘挖’到重大新发现，就需要发展创新的人工智能算法，使之能快、准、狠——即快速、准确、完备地探寻到这些很难在传统方式下找到的稀少而微弱的信号。”葛健指出，这一创新方法具有在多领域图像识别以及微弱信号探测中巨大的应用价值和潜力。
近日，由中国科学院上海天文台葛健研究员带领的国际团队，通过人工智能的深度学习，对国际斯隆巡天三期释放的类星体光谱数据进行了微弱信号搜寻和数据分析，发现了极其稀少的107例宇宙早期星系内冷气体云块成分的关键探针中性碳吸收体。研究团队分析发现，早在宇宙约30亿年的演化早期，这些携带了中性碳吸收体探针的早期星系已经过了快速物理和化学演化进入介于大麦哲伦矮星系和银河系之间的物理和化学演化状态。相关研究成果于5月15日发表在国际天文学顶级期刊《皇家天文学会月报》上。
本次工作的研究方法与成果，对探索星系如何形成和演化提供了新的研究方式，也充分显现了人工智能在天文海量数据中探寻微弱信号的广泛应用潜力和前景。研究冷气体和尘埃对理解星系形成和演化至关重要，想要研究冷气体和尘埃需要探针。早期宇宙的星系离我们太遥远，无法将星系自身发的光作为探针来观测并研究冷气体和尘埃。然而，宇宙中比星系要亮百倍以上的类星体所发出的光，在经过宇宙早期星系时会被其中的气体和尘埃吸收，产生类星体的吸收光谱。其中，中性碳的吸收光谱可以帮助天文学家准确跟踪冷气体运行，因此，中性碳吸收体成为研究星系形成和演化的重要探针。
据研究团队解释，中性碳原子基态的精细结构能级差别很小，中性碳吸收线的信号微弱且极其稀少，需要在海量的类星体光谱数据中才能找到，如同大海捞针。使用传统的搜寻方法需要耗费大量时间，找到的假信号较多，又很容易漏掉一些微弱信号。
为了解决这一问题，研究团队通过使用人工智能的深度学习方法，设计神经网络，生成基于实际观测的中性碳吸收线特征的大量仿真样本去训练深度学习神经网络，并使用这些被“训练好”的深度学习神经网络，在斯隆巡天三期释放的大量数据中，搜寻中性碳吸收体。通过这样的方式，研究团队很快发现了极其稀少的107例宇宙早期星系内的冷气体云块成分的关键探针——中性碳吸收体。本次获得的样本数是此前获得的最大样本数的近两倍之多，并且成功探测到了更多比以前更微弱的信号。
“此前已知的中性碳吸收线的样本数很少，无法直接使用这么小的样本对深度学习神经网络进行充分训练。”葛健指出，“与此同时，需要探测的两条中性碳特征吸收线不仅微弱，还分布在诸多的强吸收线中间，神经网络很容易在训练中被强吸收线误导，产生训练偏差，从而影响到探测出真正的中性碳特征吸收线的灵敏度。”
研究团队采用了创新的方法训练人工智能，使深度学习神经网络的探测精度达到了99.8%，探测完备性也显著提升了约30%，达到了99%的完备性。研究团队提到，这种人工智能的训练和搜寻方式大大缩短了搜寻时间，提高了探测灵敏度和对微弱信号探测的完备性。
区别于韦伯太空望远镜通过星系发射光谱来研究，本次工作中，研究团队通过观测类星体的吸收光谱来研究早期星系，这将为未来宇宙和星系早期演化研究提供了一个全新且有效的研究手段。
“本次工作的突破性发现是人工智能在天文大数据领域应用的一个里程碑。要想使用人工智能在海量的天文数据中‘挖’到重大新发现，就需要发展创新的人工智能算法，使之能快、准、狠——即快速、准确、完备地探寻到这些很难在传统方式下找到的稀少而微弱的信号。”葛健指出，这一创新方法具有在多领域图像识别以及微弱信号探测中巨大的应用价值和潜力。
未来的足球场，人工智能（AI）当“大脑”？《自然·通讯》19日发表一项来自谷歌深度思维的最新成果，研究团队报告了一个名为“TacticAI”的系统，能在足球比赛中预测角球结果并提供实际且准确的战 据《日本经济新闻》3月19日报道，东京大学副教授坂本健太郎等人研究发现，海龟下潜时心率将急剧下降。海龟与鲸等哺乳类动物同样，心率随下潜深度加深而下降，特别是在下潜深度超过140米时，一分钟心跳 美国《新闻周刊》网站2月4日刊登题为《人工智能可能会在数十年内解开人体的秘密》的文章，作者是亚历克斯·菲利普斯，内容编译如下：一位医生(同时也是一本关于新兴技术在医疗领域应用的新 记者3月21日获悉，全球植物科学期刊《分子植物》刊载了中国科学家的最新研究，中国农业科学院作物科学研究所、国家南繁研究院与阿里达摩院（湖畔实验室）联合研发出全流程智慧育种平台，实现了育种数 3月22日消息，一加Ace 3V昨晚发布，起售价1999元，将于3月25日正式发售。现在这款新机已经来到我们评测室，下面为大家带来图赏。一加Ace 3V全球首发第三代骁龙7+移动平台，采用骁龙8 Gen3相同的4nm制程工 3月23日，“天卫科技03星”暨“华祥苑壹号”卫星在厦门举行出征仪式，这是由厦门本土企业天卫科技制造研发的第三颗服务当地建设的商业卫星，标志着厦门航天卫星应用领域商业化、产业化发展更进一 。本文链接：科学家训练AI处理天文大数据，取得突破性成果http://www.sushuapos.com/show-2-6051-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。