天文和科技交织向前三十年

　　过去三十年，人类社会被互联网、数字化深刻地改造，原来只能靠「等」的天文学家可以通过 AI、大数据等技术加快研究步伐。

　　以前用发现爱因斯坦环推导前景暗物质分布的方式是解爱因斯坦场方程，要用超级计算机算两个星期。

　　然而现在，AI算法可以做图像训练，从图像到图像，不管中间的方程。

　　算力的提升、大数据时代的来临对于本来需要巨大算力的天文计算，变得更加迅速。

　　使用AI降噪进一步把信噪比提高，相当于把望远镜的口径变大，更有效地滤掉没用的噪声。

　　另一方面，未来三十年将是天文学极速发展的三十年。

　　近十年的诺贝尔奖，天体物理拿了五个，因为天文学正在极大受益于科技，处于加速发展的态势。

　　看看这些例子:在日本，科学家们正在使用智能AI驱动望远镜对太空中的物体进行分类，从而帮助物理学家编写和检验假设。

　　美国宇航局的詹姆斯韦伯太空望远镜，不久将能让使用者看到宇宙大爆炸后两亿年形成的星系。

　　一批天文学家首次在一项星系合并研究中使用人工智能，来确认星系合并导致了恒星爆发。

　　越来越多的天文学家正将人工智能作为一种强大的探索工具，提供丰富而复杂的数据、分类星系、筛选数据以获取信号、发现脉冲星、识别不寻常的系外行星等。

　　在这个全新的世界里，有无数未经探索的应用正在被试验，也由此产生了一系列人工智能天文工具。

　　AI辅助下脉冲星搜索效率将得到显著提升

　　作为世界上最灵敏、单口径最大的射电天文望远镜，中国天眼 FAST工程的核心目标在于搜寻与发现射电脉冲星。

　　而脉冲星被称作宇宙中的灯塔，对其进行研究，有望得到许多重大天体物理学问题的答案。

　　然而，由于脉冲星的信号暗弱，易被人造电磁干扰淹没，需要借助具有极高灵敏度的FAST望远镜来进行探索与观测，即科幻电影中常见的“星图定位导航”。

　　面对海量的数据，如同大海捞针一般的搜索过程，人工智能或许可以发挥作用。

　　7月9日，在2021世界人工智能大会期间，腾讯与国家天文台合作的[探星计划]宣布正式启动。

　　双方将基于优图实验室计算机视觉技术、腾讯云的计算及存储能力，帮助中国天眼FAST提升脉冲星搜索效率，并辅助快速射电暴和近密双星系统中脉冲星搜索，助力天文探索。

　　2020年1月，被誉为“中国天眼”的500米口径球面射电望远镜(FAST)启动运行以来，中国天文学在脉冲星的观测研究上，有了长足的进步。

　　FAST在1周内产生的数据大约相当于3000万张信号图，如果以人工肉眼处理，按照1张/秒速度，在不吃不喝不休息的条件下，需要用一年的时间才能处理。

　　如果通过AI预筛选，只需要3天时间就可以完成，将极大的节省人工时间成本。

　　现阶段AI在天文发展中的阻碍

　　AI需要进行深度学习训练，其核心需求便是:拥有海量已标注的数据作为训练数据，用它们来调整优化算法模型。

　　但天文研究里，带有标注的训练数据相对偏少，会给模型训练带来困难。

　　大胆运用技术手段去突破当前AI普惠的瓶颈，不过当前的瓶颈不是在技术和应用的需求上，而是在开发的效率上。

　　现在AI开发的效率太低，严重阻碍了技术和需求的结合，现在的模式还是比较传统的手工作坊的模式。

　　AI探星的过程并非不简单，首先深度学习最核心的是要有海量的已标注数据作为训练数据，再利用训练数据来调和整优化模型。

　　可是天文领域标注的训练数据相对偏少，训练面临很多困难；

　　其次，同样的天体信号用不同的望远镜和设备观测，得到的数据和展现形式并不完全一样。

　　此外，海量的数据带来的问题不仅仅是训练的问题，还有存储和计算。