颠覆性AI程序：人工智能如何推动天文学创新？( 二 ) 全文共3431字

同样，该程序利用深度学习并应用计算机视觉算法，根据望远镜输出的原始数据对物体进行分类。此外，它还支持逐像素分类，并实现了对空间对象的语义分割，而不管它们的形状是圆盘、球体还是不规则大小。历史表明，星系的形态可以让天文学家了解星系是如何形成的，以及它们是如何随时间演化的。
简而言之，科学家可以提取诸如语音和图像识别等方便的应用程序，从而逐像素地跟踪星系。
Morpheus在天文世界中的实际应用
布兰特·罗伯逊说：“对于其他模型，你必须知道有那处存在某种物体，然后给模型一张图像，它会立刻对整个星系进行分类。 Morpheus逐像素地为你探索星系，因此它可以处理非常复杂的图像，例如圆盘星系旁边的球状星系团。对于中心凸起的圆盘星系，它将分别对凸起进行分类。所以非常强大。 ”
下面是Morpheus的工作步骤：
· 第一步：在加州大学洛杉矶分校的勒克斯超级计算机上运行，处理天空中某个特定区域的图像。
· 第二步：生成一组新的特定区域图像，并根据对象的形态对它们进行颜色编码。
· 第三步：这些图像清楚地帮助我们识别恒星和不同类型的星系。
· 最终结果：获得对大量数据进行逐像素的奇异性分析。
Morpheus的优势：360度法
“当天文学专家就星系分类达成一致时， Morpheus识别不同天体类别的准确率达到了82%至98% 。 ”
· 为有抱负的天体物理学家提供了无限的深度学习空间：布兰特·罗伯逊（Brant Robertson）和瑞安·豪森（Ryan Hausen）教授将首次公开发布Morpheus代码，并提供在线演示，这是一系列实验的首次尝试。另外，根据他们的研究论文，使用Morpheus深度学习框架的教程已经创建并作为Jupyter笔记本公开发布。这是模型的交互式可视化。
文章插图
来自哈勃太空望远镜的大圆盘星系的图像 | 图源：news.ucsc.edu
文章插图
在颗粒对比中，同一区域的Morpheus形态分类。 | 图源：phys
· 提供天文物体的颗粒检测和形态分类——这实际上是闻所未闻的，也是不可能人为实现的。实际上，该模型能够恢复用于训练模型的调查数据中存在的超过98％的星系。
· 自动发现星系并处理复杂图像而无人为干扰，从而实现了强大的像素级分类。
· 提供全面了解星系变革的机会，且没有诸如人为偏见或错误之类的障碍。无论是了解星系随时间演变的方式，还是了解未来发展方向，这个AI赋能的程序都是我们了解纯净星系形成的最佳机会。
· 消除了对源进行假阳性鉴定的可能，这本是天文学领域的普遍现象。
· 增加易用性：通过灵活图像传输系统（FITS），支持天文数据常用数字格式的图像，你可以告别转换望远镜图像和数据，享受顺畅的体验。
即使用古老的计算机处理器， AI重力透镜也能够在20分钟内检查21789张图像。
根据美国宇航局的一份新闻稿：“新发现的开普勒90i是一颗炙热的岩石行星，每14.4天绕其恒星运行一次——这是通过谷歌的机器学习发现的。 ”
显然，人工智能在天体物理学中的应用提供了“天文”的回报，重新定义了天体科学领域的创新，揭开了宇宙深处最大的一些谜团。布兰特·罗伯逊强调人工智能和天体物理学迎来了有益的集体高潮，他说：“天文学正处于一场新的数据革命的尖端” ，没有更合适的总结了。
随着天文学家们开始用人工智能来发现星系，他们不在需要费心费力去探测、分类、解码空间物体，或者寻找新的行星。在21世纪，人工智能超级望远镜可以减少他们的工作。
此外，观星者们也在庆祝，人工智能仪器为他们重新探索超乎想象的世界提供了可能性。埃隆·马斯克会如何评价此事呢？
文章插图
留言点赞关注
我们一起分享AI学习与发展的干货
【颠覆性AI程序：人工智能如何推动天文学创新？】如转载，请后台留言，遵守转载规范