江苏龙网

  1. 首页 > 资讯 > 科技 > >

|颠覆性AI程序：人工智能如何推动天文学创新？( 二 )


“深度学习”框架如何驱动Morpheus
【|颠覆性AI程序：人工智能如何推动天文学创新？】
|颠覆性AI程序：人工智能如何推动天文学创新？
本文插图

图源：https://arxiv.org/pdf/1906.11248.pdf
“到2020年初 ， 预计数字宇宙将包含44泽字节数据 。 到2025年 ， 全球每24小时将创建约463艾字节 。 ”
首先 ， “深度学习”是什么？简单来说 ， “深度学习是机器学习的子集之一 ， 即人工神经网络算法受人脑启发 ， 通过大量的数据来学习 。 ” 如果做个类比 ， 可以将深度学习视为通过重复与人类学习获取经验的相同任务来“学习”的机器 。 通常 ， 每次软件使用深度学习算法时 ， 都会不断进行小迭代以优化结果 。
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 。
|颠覆性AI程序：人工智能如何推动天文学创新？
本文插图

来自哈勃太空望远镜的大圆盘星系的图像 | 图源：news.ucsc.edu

|颠覆性AI程序：人工智能如何推动天文学创新？
本文插图

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 。


推荐阅读


上一篇：三节课|听说你一夜之间变了户籍，依萍如洗的打工人该如何自救？

下一篇：晓姐姐谈趣闻|支付宝推出“狗脸识别”系统，准确率达99%，不用再放芯片了！