在貴州平塘，被稱為“中國天眼”的500米口徑球面射電望遠鏡（FAST），夜以繼日地接收宇宙幽深處的射電信號。每秒生成的科學觀測數據規模約為1.6吉字節（GB），一年的可公開觀測數據大約為20拍字節（PB）。
在距FAST約1700公里的浙江杭州，之江實驗室天文計算研究中心正開展AI尋星算法研究，對FAST捕獲的海量數據“壓縮提純”，從中辨析有用信號，進而發現新的天體蹤跡或天文現象。
前不久，之江實驗室天文計算研究中心科研團隊通過分析處理FAST約50太字節（TB）的觀測數據，在球狀星團M15中發現了自轉周期分別為1.9秒和3.9秒的兩顆長周期脈沖星，分別命名為M15K和M15L。其中，M15L是迄今發現的球狀星團中自轉周期最長的脈沖星。相關論文發表于《中國科學：物理學 力學 天文學》。
巧用自研算法 “提純”天文信號
仰望夜空，星河璀璨。然而，天文儀器“看”到的景象卻并不浪漫——電波信號經轉化處理后，往往呈現為枯燥抽象的光斑或線條圖案。
比如射電望遠鏡，其結構包括定向天線、高靈敏度接收機、信息顯示系統等，可測量天體射電波的強度、頻譜及偏振等信息。在觀測狀態下，它好比一臺常年開啟的錄像機，默默記錄著宇宙的奧秘。2021年10月，之江實驗室聯合中國科學院國家天文臺，共同打造了天文智能計算平臺FAST@ZJLAB，并組建智能計算天文團隊。
基于FAST@ZJLAB，之江實驗室科研人員將目標識別、語義分割等AI算法與天文信號處理理論相結合，研發了一系列深度學習模型，大幅提升了快速射電暴和脈沖星信號的篩選效率。
“FAST接收信號后會進行轉換，相當于將視頻導入剪輯軟件。”之江實驗室天文計算研究中心高級工程專家陳華曦介紹，“不過，信號內容大多相當于環境噪音，真正可用的很有限。”
從原始觀測數據到最終證認出脈沖星，要經歷消色散、參數設定、消干擾、去紅噪聲、周期搜索、候選體篩選、交叉驗證、計時分析等若干步驟，涉及大量數據處理工作以及對計算資源的消耗。
“候選體篩選環節尤其耗時耗力。”陳華曦說，在經過參數估計、折疊算法進行搜索后，會得到大量候選體結果圖，研究人員要靠肉眼識別結果圖是否符合脈沖星的信號特征。
“一個小時的觀測可能有數萬張候選體圖片，要從這么多圖片中分辨出非常微弱的信號很難。”論文第一作者、之江實驗室天文計算研究中心研究專員周登科說，利用天文計算研究中心自研的AI視覺模型，能對候選體信息進行高效篩選，可將需要人工介入篩選的候選體數量降低3個數量級。
煉得“金剛鉆” 敢攬“瓷器活”
脈沖星，即快速旋轉的中子星，會沿著磁軸的方向對外以電磁波束的形式輻射能量。憑借脈沖星的諸多特性，科學家嘗試將其作為宇宙探針，探測銀河系中星際介質的分布和密度、磁場分布與強度等，從而逐步構建“宇宙導航系統”。
最近一年，之江實驗室天文計算研究中心基于FAST的觀測數據共發現了31顆脈沖星，其中包括15顆長周期脈沖星。
基于前期建設基礎，之江實驗室天文計算研究中心目前已有上百名研究人員，其中天文方向約30人，計算方向約90人。
這個研究團隊煉得了“金剛鉆”，敢攬“瓷器活”。該團隊曾僅用170小時完成約172TB數據的處理，相當于每小時速覽1024部容量為1GB的電影。
“如果把Presto等開源算法比作鋤頭，中心自研的AI算法相當于大型機械化工具。”陳華曦說，二者并非替代關系，而是互補關系。開發更多算法，有益于對數據進行綜合處理，催生更多天文發現。
周登科表示，天文領域數據量巨大，處理起來非常耗時。利用AI算法等智能計算技術輔助處理數據，可以讓研究人員從繁重的數據分析中解放出來，將更多精力投入到理解數據背后的物理圖像中，大大提高科研效率。
在貴州平塘，被稱為“中國天眼”的500米口徑球面射電望遠鏡（FAST），夜以繼日地接收宇宙幽深處的射電信號。每秒生成的科學觀測數據規模約為1.6吉字節（GB），一年的可公開觀測數據大約為20拍字節（PB）。
在距FAST約1700公里的浙江杭州，之江實驗室天文計算研究中心正開展AI尋星算法研究，對FAST捕獲的海量數據“壓縮提純”，從中辨析有用信號，進而發現新的天體蹤跡或天文現象。
前不久，之江實驗室天文計算研究中心科研團隊通過分析處理FAST約50太字節（TB）的觀測數據，在球狀星團M15中發現了自轉周期分別為1.9秒和3.9秒的兩顆長周期脈沖星，分別命名為M15K和M15L。其中，M15L是迄今發現的球狀星團中自轉周期最長的脈沖星。相關論文發表于《中國科學：物理學 力學 天文學》。
巧用自研算法 “提純”天文信號
仰望夜空，星河璀璨。然而，天文儀器“看”到的景象卻并不浪漫——電波信號經轉化處理后，往往呈現為枯燥抽象的光斑或線條圖案。
比如射電望遠鏡，其結構包括定向天線、高靈敏度接收機、信息顯示系統等，可測量天體射電波的強度、頻譜及偏振等信息。在觀測狀態下，它好比一臺常年開啟的錄像機，默默記錄著宇宙的奧秘。2021年10月，之江實驗室聯合中國科學院國家天文臺，共同打造了天文智能計算平臺FAST@ZJLAB，并組建智能計算天文團隊。
基于FAST@ZJLAB，之江實驗室科研人員將目標識別、語義分割等AI算法與天文信號處理理論相結合，研發了一系列深度學習模型，大幅提升了快速射電暴和脈沖星信號的篩選效率。
“FAST接收信號后會進行轉換，相當于將視頻導入剪輯軟件。”之江實驗室天文計算研究中心高級工程專家陳華曦介紹，“不過，信號內容大多相當于環境噪音，真正可用的很有限。”
從原始觀測數據到最終證認出脈沖星，要經歷消色散、參數設定、消干擾、去紅噪聲、周期搜索、候選體篩選、交叉驗證、計時分析等若干步驟，涉及大量數據處理工作以及對計算資源的消耗。
“候選體篩選環節尤其耗時耗力。”陳華曦說，在經過參數估計、折疊算法進行搜索后，會得到大量候選體結果圖，研究人員要靠肉眼識別結果圖是否符合脈沖星的信號特征。
“一個小時的觀測可能有數萬張候選體圖片，要從這么多圖片中分辨出非常微弱的信號很難。”論文第一作者、之江實驗室天文計算研究中心研究專員周登科說，利用天文計算研究中心自研的AI視覺模型，能對候選體信息進行高效篩選，可將需要人工介入篩選的候選體數量降低3個數量級。
煉得“金剛鉆” 敢攬“瓷器活”
脈沖星，即快速旋轉的中子星，會沿著磁軸的方向對外以電磁波束的形式輻射能量。憑借脈沖星的諸多特性，科學家嘗試將其作為宇宙探針，探測銀河系中星際介質的分布和密度、磁場分布與強度等，從而逐步構建“宇宙導航系統”。
最近一年，之江實驗室天文計算研究中心基于FAST的觀測數據共發現了31顆脈沖星，其中包括15顆長周期脈沖星。
基于前期建設基礎，之江實驗室天文計算研究中心目前已有上百名研究人員，其中天文方向約30人，計算方向約90人。
這個研究團隊煉得了“金剛鉆”，敢攬“瓷器活”。該團隊曾僅用170小時完成約172TB數據的處理，相當于每小時速覽1024部容量為1GB的電影。
“如果把Presto等開源算法比作鋤頭，中心自研的AI算法相當于大型機械化工具。”陳華曦說，二者并非替代關系，而是互補關系。開發更多算法，有益于對數據進行綜合處理，催生更多天文發現。
周登科表示，天文領域數據量巨大，處理起來非常耗時。利用AI算法等智能計算技術輔助處理數據，可以讓研究人員從繁重的數據分析中解放出來，將更多精力投入到理解數據背后的物理圖像中，大大提高科研效率。
本文鏈接：之江實驗室上演AI“追星記”http://www.sq15.cn/show-2-7064-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 我國首個人類雙標水實驗室成立 以水為媒破解人體代謝謎題
下一篇： MUST的“大眼睛”有望“看見”暗物質