名為“深度學(xué)習(xí)”的機(jī)器學(xué)習(xí)方法被廣泛應(yīng)用于人臉識(shí)別以及其他圖像和語(yǔ)音識(shí)別應(yīng)用程序，該方法在幫助天文學(xué)家分析星系圖像及了解它們?nèi)绾涡纬珊脱葑兎矫嬲故玖藵摿Α?/p>

在一項(xiàng)新研究中，科研人員使用計(jì)算機(jī)模擬星系的形成來(lái)訓(xùn)練深度學(xué)習(xí)算法，該算法隨后被證實(shí)在分析來(lái)自哈勃空間望遠(yuǎn)鏡（HubbleSpaceTelescope）的星系圖像方面表現(xiàn)異常出色。這項(xiàng)研究的成果已發(fā)表在《天文物理期刊》（AstrophysicalJournal）上。

科研人員利用來(lái)自模擬的輸出結(jié)果生成被模擬星系的模擬圖像，就像使用哈勃空間望遠(yuǎn)鏡對(duì)其進(jìn)行觀測(cè)時(shí)看到的一樣。模擬圖像被用于訓(xùn)練深度學(xué)習(xí)系統(tǒng)，使其能夠識(shí)別之前在模擬中確定的星系演變的三個(gè)關(guān)鍵階段?？蒲腥藛T隨后為該系統(tǒng)提供大量真實(shí)的哈勃圖像用于分類。

結(jié)果表明，神經(jīng)網(wǎng)絡(luò)對(duì)模擬星系和真實(shí)星系的分類具有高度一致性?！拔覀儾](méi)有指望它會(huì)如此成功。我對(duì)它的強(qiáng)大能力感到吃驚，”參與研究的喬爾·普里馬克（JoelPrimack）說(shuō)道，他是加利福尼亞大學(xué)圣克魯斯分校（UCSantaCruz）物理學(xué)榮譽(yù)教授兼圣克魯斯粒子物理研究所（SantaCruzInstituteforParticlePhysics，SCIPP）成員?！拔覀冎滥M存在局限性，因而我們不想發(fā)表太過(guò)確定的主張，但我們不認(rèn)為這只是好運(yùn)氣的意外收獲?！?/p>

星系是復(fù)雜的現(xiàn)象，其外觀會(huì)在數(shù)十億年的演變過(guò)程中改變，而星系圖像只能提供其在各個(gè)時(shí)間點(diǎn)的快照。天文學(xué)家可以更深入地觀察宇宙，從而“回到過(guò)去”查看早期的星系（因?yàn)楣庠谟钪婢嚯x上傳播所需的時(shí)間），但跟蹤單個(gè)星系隨時(shí)間演變的過(guò)程卻只能通過(guò)模擬實(shí)現(xiàn)。將模擬的星系與觀測(cè)到的星系進(jìn)行比較可以揭示真實(shí)星系及其可能歷史的重要細(xì)節(jié)。

1、藍(lán)核

在這項(xiàng)新研究中，科研人員對(duì)富含氣體的星系的早期演變模擬中發(fā)現(xiàn)的以下現(xiàn)象尤其感興趣：當(dāng)大量氣體流入星系的中心時(shí)，星系的中心會(huì)形成一個(gè)小而密集的恒星形成區(qū)域，稱為“藍(lán)核”。年輕、熾熱的恒星會(huì)發(fā)出“藍(lán)色”短波長(zhǎng)光，因此藍(lán)色表示具有活躍恒星形成的星系，而較為衰老、溫度較低的恒星則會(huì)發(fā)出更多的“紅色”光。

計(jì)算機(jī)程序在模擬數(shù)據(jù)和觀測(cè)數(shù)據(jù)中都有以下發(fā)現(xiàn)：“藍(lán)核”階段只在質(zhì)量屬于特定范圍的星系中發(fā)生。中心區(qū)域的行星形成隨后會(huì)平息，帶來(lái)緊湊的“紅核”階段。質(zhì)量范圍的一致性是令人興奮的發(fā)現(xiàn)，因?yàn)樗砻魃疃葘W(xué)習(xí)算法正在自行確定真實(shí)星系中發(fā)生的重要物理過(guò)程的模式。

“這有可能是因?yàn)?，在一定的大小范圍?nèi)，星系剛好具有讓這一物理過(guò)程發(fā)生的質(zhì)量，”加利福尼亞大學(xué)圣克魯斯分校天文學(xué)和天體物理學(xué)榮譽(yù)教授戴維·庫(kù)（DavidKoo）說(shuō)道。

科研人員使用了由普里馬克和國(guó)際協(xié)作者團(tuán)隊(duì)開(kāi)發(fā)的最先進(jìn)的星系模擬（VELA模擬），這些協(xié)作者包括運(yùn)行模擬的丹尼爾·塞韋里諾（DanielCeverino，海德堡大學(xué)）和領(lǐng)導(dǎo)模擬的分析和解釋并據(jù)此發(fā)展出新物理概念的艾維沙·德克爾（AvishaiDekel，希伯來(lái)大學(xué)）。但是，所有此類模擬在捕獲星系形成的復(fù)雜物理特性方面均能力有限。

需要特別指出的是，本研究中使用的模擬不包括來(lái)自活躍星系核（galacticnuclei）的反饋（中心超大質(zhì)量黑洞吸收氣體時(shí)，通過(guò)輻射注入能量）。許多天文學(xué)家認(rèn)為這一過(guò)程是調(diào)節(jié)星系中恒星形成的重要因素。盡管如此，對(duì)遙遠(yuǎn)、年輕星系的觀測(cè)似乎表明存在相關(guān)證據(jù)，可證實(shí)模擬中看到的導(dǎo)致藍(lán)核階段的現(xiàn)象。

2、CANDELS

對(duì)于觀測(cè)數(shù)據(jù)，該團(tuán)隊(duì)使用了通過(guò)CANDELS項(xiàng)目（宇宙近紅外超深空組合河外星系遺產(chǎn)巡天，CosmicAssemblyNear-infraredDeepExtragalacticLegacySurvey）獲得的星系圖像。該項(xiàng)目是哈勃空間望遠(yuǎn)鏡有史以來(lái)規(guī)模最大的項(xiàng)目。第一作者馬克·韋爾塔斯-孔帕尼（MarcHuertas-Company）是巴黎天文臺(tái)（ParisObservatory）和巴黎第七大學(xué)（ParisDiderotUniversity）的天文學(xué)家，他已經(jīng)完成了使用公開(kāi)可用的CANDELS數(shù)據(jù)將深度學(xué)習(xí)方法應(yīng)用于星系分類方面的開(kāi)創(chuàng)性工作。

CANDELS合作研究員庫(kù)邀請(qǐng)韋爾塔斯-孔帕尼訪問(wèn)加利福尼亞大學(xué)圣克魯斯分校來(lái)繼續(xù)這項(xiàng)工作。谷歌通過(guò)向庫(kù)和普里馬克提供研究基金捐贈(zèng)，為他們?cè)谔煳膶W(xué)方面的深度學(xué)習(xí)工作提供支持，這讓韋爾塔斯-孔帕尼得以在圣克魯斯度過(guò)兩個(gè)夏天，并計(jì)劃在2018年的夏天再次來(lái)訪。

“這個(gè)項(xiàng)目只是我們幾個(gè)想法中的一個(gè)，”庫(kù)說(shuō)道?！拔覀兿胍暨x一個(gè)理論學(xué)家可以基于模擬明確定義的過(guò)程，并且這個(gè)過(guò)程應(yīng)該與星系的外觀有一定關(guān)系。然后，我們會(huì)讓深層學(xué)習(xí)算法在觀測(cè)中找到這一過(guò)程。我們剛剛開(kāi)始探索這種新的研究方法。這是將理論和觀測(cè)融合的新方法?！?/p>

多年來(lái)，普里馬克一直與加利福尼亞大學(xué)圣克魯斯分校的庫(kù)和其他天文學(xué)家密切合作，將其團(tuán)隊(duì)對(duì)星系形成和演變的模擬與CANDELS的觀測(cè)結(jié)果進(jìn)行比較?！癡ELA模擬在幫助我們理解CANDELS的觀測(cè)結(jié)果方面取得了很多成功，”普里馬克說(shuō)道，“盡管沒(méi)有人擁有完美的模擬，但隨著我們繼續(xù)這項(xiàng)工作，我們將不斷開(kāi)發(fā)出更好的模擬。”

庫(kù)表示，深度學(xué)習(xí)算法具有揭示觀測(cè)數(shù)據(jù)中人類無(wú)法看到的方面的潛力。缺點(diǎn)在于該算法就像一個(gè)“黑匣子”，因而很難知道計(jì)算機(jī)使用數(shù)據(jù)的哪些特征進(jìn)行分類。但網(wǎng)絡(luò)詢問(wèn)技術(shù)可以確定圖像中的哪些像素對(duì)分類貢獻(xiàn)最大，科研人員已在其網(wǎng)絡(luò)中對(duì)其中一種方法進(jìn)行了測(cè)試。

“深度學(xué)習(xí)技術(shù)會(huì)尋找模式，而計(jì)算機(jī)可以發(fā)現(xiàn)因復(fù)雜程度太高而導(dǎo)致人類無(wú)法發(fā)現(xiàn)的模式，”庫(kù)說(shuō)道?！拔覀兿胍獙?duì)這種方法進(jìn)行更多測(cè)試，但在目前的概念驗(yàn)證研究中，計(jì)算機(jī)似乎成功地在數(shù)據(jù)中發(fā)現(xiàn)了模擬中確定的星系演變的不同階段。”

他表示，在未來(lái)，由于大型巡天項(xiàng)目和新望遠(yuǎn)鏡（例如大型綜合巡天望遠(yuǎn)鏡[LargeSynopticSurveyTelescope]、詹姆斯·韋伯空間望遠(yuǎn)鏡[JamesWebbSpaceTelescope]和廣域紅外巡天望遠(yuǎn)鏡[Wide-FieldInfraredSurveyTelescope]）的存在，天文學(xué)家將擁有更多可供分析的觀測(cè)數(shù)據(jù)。深度學(xué)習(xí)和其他機(jī)器學(xué)習(xí)方法可成為理解這些海量數(shù)據(jù)集的強(qiáng)大工具。

“這是在天文學(xué)中使用高級(jí)人工智能的激動(dòng)人心的階段的開(kāi)端，”庫(kù)說(shuō)道。