近日，中國科學院上海天文臺葛健教授領導的國際團隊利用深度學習，在斯隆數(shù)字巡天III(SDSS-III)計劃發(fā)布的類星體光譜數(shù)據(jù)中尋找罕見的微弱信號。神經(jīng)網(wǎng)絡。
通過引入一種探索星系形成和演化的新方法，該團隊展示了人工智能(AI)在識別天文大數(shù)據(jù)中罕見的微弱信號方面的潛力。該研究發(fā)表在《皇家天文學會月刊》上。
來自宇宙中冷氣體和塵埃的“中性碳吸收劑”是研究星系形成和演化的重要探針。然而，中性碳吸收線的信號微弱且極其罕見。
天文學家一直在努力使用傳統(tǒng)的相關方法在大量類星體光譜數(shù)據(jù)集中檢測這些吸收體。 “這就像大海撈針一樣，”葛教授說。
2015年，SDSS在此前發(fā)布的數(shù)萬個類星體的光譜中發(fā)現(xiàn)了66個中性碳吸收體，這是獲得的樣本數(shù)量最多的一次。
在這項研究中，葛教授團隊根據(jù)實際觀察，利用大量中性碳吸收線的模擬樣本，設計并訓練了深度神經(jīng)網(wǎng)絡。通過將這些訓練有素的神經(jīng)網(wǎng)絡應用到SDSS-III數(shù)據(jù)中，研究小組發(fā)現(xiàn)了107種極其稀有的中性碳吸收劑，使2015年獲得的樣本數(shù)量增加了一倍，并檢測到了比以前更多的微弱信號。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！