澳门娱乐场网络赌场_科学家正在训练一个神经网络,让我们可以看清外太空的景象

时间 |2020-01-11 13:37:48

澳门娱乐场网络赌场_科学家正在训练一个神经网络,让我们可以看清外太空的景象

澳门娱乐场网络赌场,训练神经网络识别星系,这可能会永远改变人类观察宇宙的视角。

天文望远镜提供了人类技术最具诱惑力的想象之一:只需一架望远镜,人类或许就能揭开宇宙的奥秘。

要揭开宇宙之谜,望远镜需要以正确的方式折射光线,缩短远近之间的距离,以此帮助人类了解地球以及它在宇宙中的位置。

ngc 1448星系,其内部拥有一个隐藏在气体和尘埃背后的超大质量黑洞。

正因为此,早期的天文学家除了每晚凝望星空,绘制出详细的天体草图之外,还会随着时间的推移,追踪天体的运动轨迹。渐渐地,他们对地球运动有了一定的了解。但要做到这一点,他们必须收集大量的数据。

于是,计算机成为了现代天文学中极其有用的工具,这也合情合理。计算机不仅能帮助我们计算火箭发射参数、为航天飞行任务开发模型,它也能对来自遥远世界的深度信息进行分析。如今,望远镜的体型越来越大,我们通过它而获得的宇宙知识,是最早期的天文学家所无法想象的。

位于加那利群岛的加那利大型望远镜是地球上最大的天文望远镜,它的直径大约为10米。

加那利大型望远镜

天文学家还计划在夏威夷建造一座更大规模的望远镜,建成后,其体型将是加那利望远镜的近三倍。望远镜使用的透镜或反射镜越大,它能观测到的距离就越远。但很快,人工智能技术也许将帮我们摆脱望远镜大小的限制,让我们看清外太空的景象——即便对望远镜来说,那只是一个模糊的光点。

科学家的想法是,训练一个神经网络,让它可以观察模糊的太空图像,然后以望远镜不具备的能力,精确地重建遥远星系的特征。

在《皇家天文学会月报》今年1月刊载的一篇论文中,一组由苏黎世联邦理工学院天体物理学家凯文·沙文斯基(kevin schawinski)领导的研究人员,就描述了他们在这方面的成功尝试。这些研究人员表示,他们训练了一个神经网络来识别星系,然后基于神经网络学到的知识,对模糊的星系图像进行锐化处理。他们用到的机器学习技术名为“生成对抗网络”,即让两个神经网络相互对抗竞争。

从左至右:星系的原始图像、经过退化处理的图像、经过神经网络复原的图像。

随着计算机科学家和物理学家开始尝试这些技术,日益强大的望远镜将提供更多的机会,让神经网络为我们呈现更加清晰的宇宙图像。詹姆斯·韦伯太空望远镜就是一个实例,它已定于明年升空。如果一切顺利,这部望远镜将能观测到宇宙中一些最古老的星系——那些在宇宙大爆炸后数亿年就形成的星系。“即便是詹姆斯·韦伯望远镜,或许也难以揭开这些初生星系的奥秘。”沙文斯基说,“而神经网络说不定可以帮助我们理解这些图像。”

詹姆斯·韦伯望远镜

不过沙文斯基指出,这里面存在一个问题。神经网络在识别星系时,它所接受的训练是基于我们对现有星系的理解。这意味着,要训练神经网络去重建一个初生的星系,科学家必须能够首先告诉机器,那样的星系是什么样子。“现在,我们知道,早期宇宙中的星系大大有别于如今这个经历了种种演变的古老宇宙中的星系。”沙文斯基说,“因此,我们可能是用错误的星系知识在训练神经网络。正因为此,我们在解读神经网络复原的图像时,必须十分谨慎。”

随着机器学习技术跨越更多学科,加之它的应用变得更加复杂,这个重要的提醒还会反复出现。例如,量子物理学家罗杰·梅尔科(roger melko)在最近一篇文章中说,其他领域的学者已经提出,可以使用机器学习来识别某种物质状态的细微特征,然后引入逆向工程,以此探测新的物质或者新的物质状态。

“如果我们足够谨慎,如果我们能把这件事做好,(使用)神经网络跟我们目前通过传统统计方法所做的事,二者之间可能并没有多大不同。”苏黎世联邦理工学院的计算机科学家张策说。他也是上述《皇家天文学会月报》论文的合著者。

通过这些努力,人类似乎能够从更多的角度来思考自身在宇宙中的位置,然而,人类探索宇宙的方式却没有从根本上得到改变。“那些天体图像,不管是星系还是行星图像,并不比我们用肉眼看到的更真实。”沙文斯基说,“我们的肉眼既看不到x射线,也看不到红外线,更不用说离子在发生一次能量跃迁时所发出的光了。”

他还说,成像数据总是经过了某种处理的。人类视觉可以说是一种特殊的过滤器,而天文学的整部发展史,就是这种过滤能力得以增强的过程。“在我看来,神经网络是最新式的先进方法,通过它,我们可以探索宇宙中到底有什么,以及这究竟意味着什么。”

翻译:何无鱼

来源:the atlantic

随机新闻