天文學家將AI人工智能應用于斯巴魯望遠鏡拍攝的遙遠宇宙超寬視場圖像，并在這些圖像中實現(xiàn)了非常高的發(fā)現(xiàn)和分類螺旋星系的精度，這項技術(shù)與公民科學相結(jié)合，有望在未來產(chǎn)生更多的發(fā)現(xiàn)。一個主要由來自日本國立天文臺(NAOJ)天文學家組成的研究小組，應用了一種深度學習技術(shù)（AI人工智能），對斯巴魯望遠鏡獲得的大量圖像中的星系進行了分類。

創(chuàng)新互聯(lián)長期為近1000家客戶提供的網(wǎng)站建設(shè)服務，團隊從業(yè)經(jīng)驗10年，關(guān)注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為門頭溝企業(yè)提供專業(yè)的成都網(wǎng)站建設(shè)、網(wǎng)站設(shè)計，門頭溝網(wǎng)站改版等技術(shù)服務。擁有十多年豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

由于深度學習技術(shù)的人工智能AI高靈敏度，在圖像中已經(jīng)識別出多達56萬個星系。要用人眼逐個目視地對這些星系進行形態(tài)分類是極其困難的，人工智能使研究團隊能夠在沒有人工干預的情況下執(zhí)行處理。自2012年以來，利用深度學習算法提取和判斷特征的自動處理技術(shù)得到了迅速發(fā)展。現(xiàn)在，它們通常在精確度方面超過人類，并被用于自動駕駛車輛、安全攝像頭和許多其他應用。

日本國立天文臺項目助理教授Ken-ichi Tadaki博士提出了一個想法：如果AI人工智能能對貓和狗的圖像進行分類，那么它應該能夠區(qū)分“呈螺旋圖案的星系”和“沒有螺旋圖案的星系”。事實上，使用人類準備的訓練數(shù)據(jù)，人工智能成功地對星系形態(tài)進行了分類，準確率為97.5%。然后，將訓練好的人工智能應用于全部數(shù)據(jù)集，它在大約8萬個星系中識別出螺旋形，其研究發(fā)表《皇家天文學會月刊》上。

既然這項技術(shù)已經(jīng)被證明是有效的，它可以擴展到將星系分類到更詳細的類別，方法是在人類分類的大量星系基礎(chǔ)上訓練人工智能。日本國家天文臺現(xiàn)在正在運行一個名為“銀河巡航”的公民科學項目，在這個項目中，公民們可以檢查用斯巴魯望遠鏡拍攝的星系圖像，以尋找表明該星系正在與另一個星系碰撞或合并的特征。“銀河巡航”的顧問田中雅之副教授對用人工智能研究星系寄予厚望：

斯巴魯望遠鏡戰(zhàn)略計劃是包含幾乎無數(shù)星系的大數(shù)據(jù)，從科學上講，通過公民天文學家和機器合作來處理這樣的大數(shù)據(jù)是非常有趣的。通過在銀河巡航中公民科學家所做的分類基礎(chǔ)上運用深度學習，我們很有可能發(fā)現(xiàn)大量的碰撞和合并星系?；诰矸e神經(jīng)網(wǎng)絡(luò)(CNN)的深度學習人工智能技術(shù)，利用來自斯巴魯望遠鏡/Hyper SuPrime-Cam(HSC)觀測的大圖像數(shù)據(jù)，將星系形態(tài)自動分類為S向螺旋、Z向螺旋和非螺旋。

HSC I波段圖像比斯隆數(shù)字巡天(SDSS)的圖像深約36倍，空間分辨率高兩倍，使天文學家能夠在z>0.1的情況下識別星系中的旋臂和旋桿等亞結(jié)構(gòu)。研究使用1447個S-螺線、1382個Z-螺線和51個 -650非螺線的HSC圖像來訓練cnn分類器。由于每類圖像的數(shù)量不平衡，通過水平翻轉(zhuǎn)、旋轉(zhuǎn)和重新縮放圖像來增加螺旋星系的數(shù)據(jù)，使三類圖像的數(shù)量相似。訓練好的神經(jīng)網(wǎng)絡(luò)模型對97.5%的驗證數(shù)據(jù)進行了正確分類( %)，這些數(shù)據(jù)沒有用于訓練。

博科園｜研究/來自：日本國立天文臺

參考期刊《皇家天文學會月刊》

博科園｜科學、科技、科研、科普

網(wǎng)頁題目：準確率高達97.5％：天文學家利用人工智能，識別出56萬個星系！
URL網(wǎng)址：http://weahome.cn/article/cjdicd.html