在贵州平塘，被称为“中国天眼”的500米口径球面射电望远镜（FAST），夜以继日地接收宇宙幽深处的射电信号。每秒生成的科学观测数据规模约为1.6吉字节（GB），一年的可公开观测数据大约为20拍字节（PB）。
在距FAST约1700公里的浙江杭州，之江实验室天文计算研究中心正开展AI寻星算法研究，对FAST捕获的海量数据“压缩提纯”，从中辨析有用信号，进而发现新的天体踪迹或天文现象。
前不久，之江实验室天文计算研究中心科研团队通过分析处理FAST约50太字节（TB）的观测数据，在球状星团M15中发现了自转周期分别为1.9秒和3.9秒的两颗长周期脉冲星，分别命名为M15K和M15L。其中，M15L是迄今发现的球状星团中自转周期最长的脉冲星。相关论文发表于《中国科学：物理学 力学 天文学》。
巧用自研算法 “提纯”天文信号
仰望夜空，星河璀璨。然而，天文仪器“看”到的景象却并不浪漫——电波信号经转化处理后，往往呈现为枯燥抽象的光斑或线条图案。
比如射电望远镜，其结构包括定向天线、高灵敏度接收机、信息显示系统等，可测量天体射电波的强度、频谱及偏振等信息。在观测状态下，它好比一台常年开启的录像机，默默记录着宇宙的奥秘。2021年10月，之江实验室联合中国科学院国家天文台，共同打造了天文智能计算平台FAST@ZJLAB，并组建智能计算天文团队。
基于FAST@ZJLAB，之江实验室科研人员将目标识别、语义分割等AI算法与天文信号处理理论相结合，研发了一系列深度学习模型，大幅提升了快速射电暴和脉冲星信号的筛选效率。
“FAST接收信号后会进行转换，相当于将视频导入剪辑软件。”之江实验室天文计算研究中心高级工程专家陈华曦介绍，“不过，信号内容大多相当于环境噪音，真正可用的很有限。”
从原始观测数据到最终证认出脉冲星，要经历消色散、参数设定、消干扰、去红噪声、周期搜索、候选体筛选、交叉验证、计时分析等若干步骤，涉及大量数据处理工作以及对计算资源的消耗。
“候选体筛选环节尤其耗时耗力。”陈华曦说，在经过参数估计、折叠算法进行搜索后，会得到大量候选体结果图，研究人员要靠肉眼识别结果图是否符合脉冲星的信号特征。
“一个小时的观测可能有数万张候选体图片，要从这么多图片中分辨出非常微弱的信号很难。”论文第一作者、之江实验室天文计算研究中心研究专员周登科说，利用天文计算研究中心自研的AI视觉模型，能对候选体信息进行高效筛选，可将需要人工介入筛选的候选体数量降低3个数量级。
炼得“金刚钻” 敢揽“瓷器活”
脉冲星，即快速旋转的中子星，会沿着磁轴的方向对外以电磁波束的形式辐射能量。凭借脉冲星的诸多特性，科学家尝试将其作为宇宙探针，探测银河系中星际介质的分布和密度、磁场分布与强度等，从而逐步构建“宇宙导航系统”。
最近一年，之江实验室天文计算研究中心基于FAST的观测数据共发现了31颗脉冲星，其中包括15颗长周期脉冲星。
基于前期建设基础，之江实验室天文计算研究中心目前已有上百名研究人员，其中天文方向约30人，计算方向约90人。
这个研究团队炼得了“金刚钻”，敢揽“瓷器活”。该团队曾仅用170小时完成约172TB数据的处理，相当于每小时速览1024部容量为1GB的电影。
“如果把Presto等开源算法比作锄头，中心自研的AI算法相当于大型机械化工具。”陈华曦说，二者并非替代关系，而是互补关系。开发更多算法，有益于对数据进行综合处理，催生更多天文发现。
周登科表示，天文领域数据量巨大，处理起来非常耗时。利用AI算法等智能计算技术辅助处理数据，可以让研究人员从繁重的数据分析中解放出来，将更多精力投入到理解数据背后的物理图像中，大大提高科研效率。
在贵州平塘，被称为“中国天眼”的500米口径球面射电望远镜（FAST），夜以继日地接收宇宙幽深处的射电信号。每秒生成的科学观测数据规模约为1.6吉字节（GB），一年的可公开观测数据大约为20拍字节（PB）。
在距FAST约1700公里的浙江杭州，之江实验室天文计算研究中心正开展AI寻星算法研究，对FAST捕获的海量数据“压缩提纯”，从中辨析有用信号，进而发现新的天体踪迹或天文现象。
前不久，之江实验室天文计算研究中心科研团队通过分析处理FAST约50太字节（TB）的观测数据，在球状星团M15中发现了自转周期分别为1.9秒和3.9秒的两颗长周期脉冲星，分别命名为M15K和M15L。其中，M15L是迄今发现的球状星团中自转周期最长的脉冲星。相关论文发表于《中国科学：物理学 力学 天文学》。
巧用自研算法 “提纯”天文信号
仰望夜空，星河璀璨。然而，天文仪器“看”到的景象却并不浪漫——电波信号经转化处理后，往往呈现为枯燥抽象的光斑或线条图案。
比如射电望远镜，其结构包括定向天线、高灵敏度接收机、信息显示系统等，可测量天体射电波的强度、频谱及偏振等信息。在观测状态下，它好比一台常年开启的录像机，默默记录着宇宙的奥秘。2021年10月，之江实验室联合中国科学院国家天文台，共同打造了天文智能计算平台FAST@ZJLAB，并组建智能计算天文团队。
基于FAST@ZJLAB，之江实验室科研人员将目标识别、语义分割等AI算法与天文信号处理理论相结合，研发了一系列深度学习模型，大幅提升了快速射电暴和脉冲星信号的筛选效率。
“FAST接收信号后会进行转换，相当于将视频导入剪辑软件。”之江实验室天文计算研究中心高级工程专家陈华曦介绍，“不过，信号内容大多相当于环境噪音，真正可用的很有限。”
从原始观测数据到最终证认出脉冲星，要经历消色散、参数设定、消干扰、去红噪声、周期搜索、候选体筛选、交叉验证、计时分析等若干步骤，涉及大量数据处理工作以及对计算资源的消耗。
“候选体筛选环节尤其耗时耗力。”陈华曦说，在经过参数估计、折叠算法进行搜索后，会得到大量候选体结果图，研究人员要靠肉眼识别结果图是否符合脉冲星的信号特征。
“一个小时的观测可能有数万张候选体图片，要从这么多图片中分辨出非常微弱的信号很难。”论文第一作者、之江实验室天文计算研究中心研究专员周登科说，利用天文计算研究中心自研的AI视觉模型，能对候选体信息进行高效筛选，可将需要人工介入筛选的候选体数量降低3个数量级。
炼得“金刚钻” 敢揽“瓷器活”
脉冲星，即快速旋转的中子星，会沿着磁轴的方向对外以电磁波束的形式辐射能量。凭借脉冲星的诸多特性，科学家尝试将其作为宇宙探针，探测银河系中星际介质的分布和密度、磁场分布与强度等，从而逐步构建“宇宙导航系统”。
最近一年，之江实验室天文计算研究中心基于FAST的观测数据共发现了31颗脉冲星，其中包括15颗长周期脉冲星。
基于前期建设基础，之江实验室天文计算研究中心目前已有上百名研究人员，其中天文方向约30人，计算方向约90人。
这个研究团队炼得了“金刚钻”，敢揽“瓷器活”。该团队曾仅用170小时完成约172TB数据的处理，相当于每小时速览1024部容量为1GB的电影。
“如果把Presto等开源算法比作锄头，中心自研的AI算法相当于大型机械化工具。”陈华曦说，二者并非替代关系，而是互补关系。开发更多算法，有益于对数据进行综合处理，催生更多天文发现。
周登科表示，天文领域数据量巨大，处理起来非常耗时。利用AI算法等智能计算技术辅助处理数据，可以让研究人员从繁重的数据分析中解放出来，将更多精力投入到理解数据背后的物理图像中，大大提高科研效率。
本文链接：http://www.gihot.com/news-2-5992-0.html之江实验室上演AI“追星记”
声明：本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
点击右上角
微信好友
朋友圈
点击浏览器下方“
”分享微信好友Safari浏览器请点击“
”按钮
点击右上角
QQ
点击浏览器下方“”分享QQ好友Safari浏览器请点击“”按钮
