现在天文学家已经开始深入学习，这是一种机器学习的形式，在这种学习中，计算机可以被训练来识别或分类图像中的特定物体。最新的望远镜，如在智利北部使用4米望远镜的黑暗能量调查，覆盖了南方四分之一的天空，拍摄了数以百万计的各种天体的图像。这些通常包括视觉扭曲、宇宙射线和卫星轨迹，使它们难以解释。深入学习可以帮助快速处理大量的数据。伊利诺伊州巴塔维亚费米实验室的天体物理学家布赖恩·诺德说：“天文学是下一个领域。”

Nord是一群天体物理学家中的一员，他们寻找罕见的引力透镜，它们有弯曲的光条或重复的图像，表明存在大量的物体，扭曲光线。科学家们常常不得不逐个看大量的图像，一弛一张。但现在他们有了一种可能改变游戏规则的技术。太空中的巨大物体-像星系团-和隐藏在视野之外的暗物质-扭曲了我们从遥远的星系和类星体中看到的光，使周围的光线偏转和扭曲。遥远的星系看起来像放大的弧形，就像透过宇宙放大镜的边缘。到目前为止，科学家们已经发现了数百个这样的透镜，证实了爱因斯坦和其他人在20世纪30年代对广义相对论的预测。根据Nord在1月4日于得克萨斯州葡萄市举行的美国天文学会会议上提出的研究结果，随着新开发的深度学习工具，天文学家预计将在“黑暗能量调查”中发现至少2000人。一大类引力透镜将帮助天文学家更多地了解暗物质的性质以及它如何将星系连接在一起。

寻找引力透镜就像在遥远的干草堆中寻找针头，而没有两根针或干草堆是一样的。“深入学习是我们创建一个复杂系统模型的一种方式，”Nord说。为了进行复杂的分类，天文学家们长期以来一直使用像神经网络这样的统计机器学习技术，这是一种编程系统，在网络中连接着分层的节点，就像人脑中的神经元一样。深入学习只是涉及到计算中更多的相互关联的层或步骤，包括随着算法从输入到输出而增加复杂性的“隐藏”层。例如，使用面部识别软件，有人在图像中输入信息，系统首先检测边缘、线条和曲线。中间层然后把较高层次的特征，如眼睛或嘴巴，最后是一张脸.对于引力透镜，该软件将逐渐识别一个由弧形环绕的大星系，显示背景物体的变化。

经过多个镜头图像的训练后，这样的算法就可以在以前从未见过的图像中找到新的镜头。目前最先进的算法可以正确地识别这些镜头，几乎只有几%的时间，当他们把一个特别混乱的图像误认为是真实的。科林·雅各布斯(Colin Jacobs)和澳大利亚墨尔本的斯温伯恩科技大学(Swinburne University Of Technology)的卡尔·格拉泽布鲁克(Karl Glazebrook)也在致力于这个问题。“理想情况下，它应该比计算机视觉或面部识别所需要的更准确，”他补充道。为了应对这一挑战，Nord和Jacobs和他们的同事们可以设计出严格的算法，以确保它能在一项调查中找到最清晰的镜头-麦片。但这有可能会漏掉许多镜片。或者，他们试图在他们的搜索标准更宽松，知道这将意味着以后淘汰一些图像，碰巧看起来有点像镜头。

过去的几年里，天文学家也开始在其他领域进行深入的学习，主要是以其他方式破译图像。他们使用这些技术来区分银河系中的遥远星系和恒星，估计到遥远物体的距离，并对星系的结构进行分类，这些星系可以呈现出各种螺旋和椭圆形状。其他人则利用公民科学，招募世界各地的人来帮助整理图像。一个叫做银河动物园例如，对数十万个星系的结构进行了分类，而另一个则被称为空间翘曲已经发现了几十个其他人错过的候选引力透镜。Nord对这些努力表示赞赏，但如果他的软件如广告所示，“深度学习具有更快的潜力，”他说。

举报/反馈