意外妙用！天文學家利用Facebook面部識別軟體來尋找深空射電星系

天文學家已經訓練Facebook的面部識別軟體來發現深空的「打嗝兒」黑洞。

人工智慧(AI)工具可以從射電望遠鏡的掃描中識別出射電星系。

這些罕見的星系從它們中心的超大質量黑洞噴射出強大的射電射流，科學家們相信它們掌握著宇宙結構的線索。

西澳大利亞大學的專家們希望通過這項名為「ClaRAN」的新項目，利用黑洞發出的無線電信號，使觀測這些難以捉摸的星系變得更加容易。

這項研究的主要作者Ivy Wong博士說:「這些超大質量黑洞偶爾會噴出射電望遠鏡可以看到的噴射物。」

「隨著時間的推移，這些噴流可能會從它們的宿主星系延伸出很遠的距離，這使得傳統的計算機程序很難確定星系的位置。」

「這就是我們試圖教ClaRAN做的事情。」

ClaRAN是使用微軟和Facebook的對象檢測軟體的開源版本建立的，後者使用該軟體識別用戶發布的照片中的人臉。

Wong博士說，該項目經過了徹底的改革，並訓練了識別星系而非人類的能力。

在之前的星系調查中，人類觀察員挑選出了數千張射電星系的圖像，並將這些圖像輸入其中。

射電星系中心的超大質量黑洞釋放出強大的射電噴射。射電星系通常由兩個從一個巨大的橢圓星系噴射出來的噴射物組成。

射電星系在射電波長下非常明亮，用射電望遠鏡很容易發現它們。

這就為研究宇宙結構提供了有用的工具。

目前，天文學家發現的已知最遙遠的射電星系距地球約120億光年。研究團隊先用位於印度的巨米波射電望遠鏡發現了它，然後用位於美國的北雙子座望遠鏡和大雙筒望遠鏡進一步觀測，計算出該星系距離地球的距離。

隨著時間的推移，人工智慧學會了通過識別觀測數據中的微小形狀和模式來識別星系。

該項研究的共同作者Chen Wu博士說，ClaRAN是一個被稱為「編程2.0」的新範式的例子。

他說，你所要做的就是建立一個巨大的神經網路，給它大量的數據，讓它弄清楚如何調整內部連接，以產生預期的結果。

「新一代程序員99%的時間都花在製作高質量的數據集上，然後訓練人工智慧演算法來優化剩下的部分。」

「這是編程的未來。」

即將進行的EMU調查使用的是位於華盛頓的澳大利亞平方公里陣列射電(ASKAP)望遠鏡，預計將觀測到7000萬個星系。

傳統的計算機演算法能夠正確識別90%的來源。

Wong博士說:「剩下的10%，也就是700萬個『困難的』星系，由於其擴展結構的複雜性，必須由人類來處理。」

像ClaRAN這樣的項目對望遠鏡觀測的處理方式有著巨大的影響。

Wong博士說:「如果我們能開始在下一代調查中採用這些更先進的方法，我們就能最大限度地利用這些方法的科學性。」

「在全新的數據上使用已有40年歷史的方法是沒有意義的，因為我們正試圖比以往任何時候都更深入地探索宇宙。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！