这个问题在未来十年内将在其他地方重复出现。 当天文学家建造巨型相机来拍摄整个天空并发射红外望远镜来寻找遥远的行星时，他们将以前所未有的规模收集数据。
哈佛-史密森天体物理中心的计算天体物理学家塞西莉亚·加拉福 (Cecilia Garraffo) 表示：“我们确实还没有为此做好准备，我们都应该感到害怕。” “当你拥有太多数据而没有技术来处理它时，就像没有数据一样。”
为了应对信息洪流，天文学家正在向人工智能寻求帮助，优化算法以挑选出大型且极其挑剔的模式。 数据集。 一些人现在正在努力建立致力于将计算机科学和天文学领域结合起来的研究所，并努力解决新合作伙伴关系的条款。
2022 年 11 月，Garraffo 在天体物理中心设立了 AstroAI 作为试点项目。 从那时起，她组建了一个由 50 多名成员组成的跨学科团队，计划了数十个项目，重点关注宇宙如何开始以及我们是否是孤独的宇宙等深层问题。 在过去的几年里，几个类似的联盟纷纷效仿加拉福的领导，现在正在争夺资金以扩大到大型机构的规模。
加拉福在天文学、物理学和计算机科学领域的职业生涯中不断变换，认识到了人工智能模型的潜在效用。 在此过程中，她还发现了过去合作的一个主要障碍：语言障碍。 通常，天文学家和计算机科学家很难联合起来，因为他们使用不同的词语来描述相似的概念。 加拉福对翻译问题并不陌生，他在阿根廷长大，在一所纯英语学校中挣扎。 借鉴这一经验，她致力于将两个社区的人们放在一个屋檐下，以便他们能够确定共同的目标并找到沟通的方式。
天文学家已经在使用人工智能模型 多年，主要对望远镜数据中的超新星等已知天体进行分类。 当维拉·C·鲁宾天文台明年开放时，这种图像识别将变得越来越重要，每年探测到的超新星数量迅速从数百个跃升至数百万个。 但新一波的人工智能应用远远超出了配对游戏的范畴。 算法最近经过优化，可以执行“无监督聚类”，即在不被告知具体要寻找什么的情况下挑选出数据中的模式。 这为模型打开了大门，让天文学家了解他们目前尚未意识到的影响和关系。 加拉福说，这些计算工具第一次为天文学家提供了“系统地寻找未知事物”的能力。 一月份，AstroAI 研究人员使用这种方法 超过 14,000 次检测目录 来自 X 射线源，否则很难对其进行分类。
人工智能被证明卓有成效的另一种方式是嗅出外行星天空的化学成分。 天文学家使用望远镜来分析穿过行星大气层并被不同分子以特定波长吸收的星光。 为了理解剩余的光谱，天文学家通常会将其与他们根据他们感兴趣的少数分子（例如水和二氧化碳）生成的虚假光谱进行比较。 系外行星研究人员梦想将他们的搜索范围扩大到数百或数千种可能表明下方行星上存在生命的化合物，但目前只需要几周的时间才能找到四到五种化合物。 随着新部署的詹姆斯·韦伯太空望远镜和欧洲航天局计划于 2029 年发射的阿里尔太空望远镜预计，随着系外行星探测数量从几十个增加到数千个，这一瓶颈将变得越来越麻烦。
天体物理中心研究系外行星大气的天文学家梅赛德斯·洛佩兹-莫拉莱斯表示，处理所有这些观测结果“将花费我们一辈子的时间”。 “像 AstroAI 这样的东西出现在正确的时间，就在这些数据流向我们之前。”
2024-05-20 09:00:00
1716203036
