科学,AI人工智能|准确率达97.5%:天文学家利用人工智能,识别出56万个星系

天文学家将AI人工智能应用于斯巴鲁望远镜拍摄的遥远宇宙超宽视场图像 , 并在这些图像中实现了非常高的发现和分类螺旋星系的精度 , 这项技术与公民科学相结合 , 有望在未来产生更多的发现 。一个主要由来自日本国立天文台(NAOJ)天文学家组成的研究小组 , 应用了一种深度学习技术(AI人工智能) , 对斯巴鲁望远镜获得的大量图像中的星系进行了分类 。
科学,AI人工智能|准确率达97.5%:天文学家利用人工智能,识别出56万个星系
文章图片

文章图片

由于深度学习技术的人工智能AI高灵敏度 , 在图像中已经识别出多达56万个星系 。要用人眼逐个目视地对这些星系进行形态分类是极其困难的 , 人工智能使研究团队能够在没有人工干预的情况下执行处理 。自2012年以来 , 利用深度学习算法提取和判断特征的自动处理技术得到了迅速发展 。现在 , 它们通常在精确度方面超过人类 , 并被用于自动驾驶车辆、安全摄像头和许多其他应用 。
科学,AI人工智能|准确率达97.5%:天文学家利用人工智能,识别出56万个星系
文章图片

文章图片

日本国立天文台项目助理教授Ken-ichi Tadaki博士提出了一个想法:如果AI人工智能能对猫和狗的图像进行分类 , 那么它应该能够区分“呈螺旋图案的星系”和“没有螺旋图案的星系” 。事实上 , 使用人类准备的训练数据 , 人工智能成功地对星系形态进行了分类 , 准确率为97.5% 。然后 , 将训练好的人工智能应用于全部数据集 , 它在大约8万个星系中识别出螺旋形 , 其研究发表《皇家天文学会月刊》上 。
科学,AI人工智能|准确率达97.5%:天文学家利用人工智能,识别出56万个星系
文章图片

文章图片

既然这项技术已经被证明是有效的 , 它可以扩展到将星系分类到更详细的类别 , 方法是在人类分类的大量星系基础上训练人工智能 。日本国家天文台现在正在运行一个名为“银河巡航”的公民科学项目 , 在这个项目中 , 公民们可以检查用斯巴鲁望远镜拍摄的星系图像 , 以寻找表明该星系正在与另一个星系碰撞或合并的特征 。“银河巡航”的顾问田中雅之副教授对用人工智能研究星系寄予厚望:
科学,AI人工智能|准确率达97.5%:天文学家利用人工智能,识别出56万个星系
文章图片

文章图片

【科学,AI人工智能|准确率达97.5%:天文学家利用人工智能,识别出56万个星系】斯巴鲁望远镜战略计划是包含几乎无数星系的大数据 , 从科学上讲 , 通过公民天文学家和机器合作来处理这样的大数据是非常有趣的 。通过在银河巡航中公民科学家所做的分类基础上运用深度学习 , 我们很有可能发现大量的碰撞和合并星系 。基于卷积神经网络(CNN)的深度学习人工智能技术 , 利用来自斯巴鲁望远镜/Hyper SuPrime-Cam(HSC)观测的大图像数据 , 将星系形态自动分类为S向螺旋、Z向螺旋和非螺旋 。
科学,AI人工智能|准确率达97.5%:天文学家利用人工智能,识别出56万个星系
文章图片

文章图片

HSC I波段图像比斯隆数字巡天(SDSS)的图像深约36倍 , 空间分辨率高两倍 , 使天文学家能够在z>0.1的情况下识别星系中的旋臂和旋杆等亚结构 。研究使用1447个S-螺线、1382个Z-螺线和51个?-650非螺线的HSC图像来训练cnn分类器 。由于每类图像的数量不平衡 , 通过水平翻转、旋转和重新缩放图像来增加螺旋星系的数据 , 使三类图像的数量相似 。训练好的神经网络模型对97.5%的验证数据进行了正确分类(?%) , 这些数据没有用于训练 。