Bright Transient Survey 機器人項目可以借助機器學習快速識別超新星。

使用 AI 創建的圖像

Gailleo會怎么做？

一組科學家和天文學家成功地利用人工智能和機器學習來識別超新星的發生並對其進行分類。這是對明亮瞬態巡天 (BTS) 機器人項目的測試，該項目是一個更廣泛的計劃的一部分，該計劃對超過特定亮度水平的超新星進行觀察和分類。

BTSbot背後的團隊表示，它可以讓人類中間人不再確認檢測到的事件是否是爆炸的恆星，從而使研究人員有更多時間來分析這一天體事件。該機器人於上周推出，由私立研究型西北大學的學生和教師負責。

西北大學助理教授Adam Miller說：“這代表着向前邁出的重要一步，因爲模型的進一步完善將使機器人能夠隔離恆星爆炸的特定子類型。最終，將人類從循環中移除可以爲研究團隊提供更多時間來分析他們的觀察結果並提出新的假設來解釋我們觀察到的宇宙爆炸的起源。”

一些人對被人工智能取代表示擔憂，並抵制消除“人類中間人”的想法，但Miller表示目標是效率。

“自 2018 年該項目首次啓動以來，我們就一直在這樣做，”項目聯合負責人兼天文學研究生Nabeel Rehemtulla告訴記者。“所以我們現在擁有數以萬計的超新星，我們可以對其進行訓練和構建模型，並使這個過程自動化。”

在這張來自加利福尼亞州帕洛瑪天文台的“第一光”圖像中可以看到馬頭星雲。

圖片：加州理工學院光學天文台

超新星是恆星爆炸，釋放出大量能量，短暫地超越整個星系。當恆星耗盡其核心的核燃料並導致災難性的崩潰時，就會發生這種情況。

茲威基瞬變設施(ZTF)位於加利福尼亞州聖地亞哥的帕洛瑪天文台，以天文學家弗裏茨·茲威基 (Fritz Zwicky) 的名字命名，於 2018 年成立，旨在快速識別這些宇宙事件。

BTSbot 項目團隊由 Rehemtulla 和 Miller 領導，成員包括來自西北大學、加州理工大學、利物浦約翰摩爾斯大學和明尼蘇達大學的成員。

在訓練 AI 模型時，Rehemtulla 向算法提供了來自 16,000 個來源的超過 140 萬張歷史圖像。這些來源包括已確認的超新星、暫時耀斑恆星、周期性變星和耀斑星系。

Rehemtulla 解釋說，每年大約有 1,300 到 1,400 顆超新星爆發，產生大量可供分析的數據。他說，明亮瞬態測量測量任何來來去去、變亮和變暗的事物，並且是一次性事件。

“爲模型提供幹淨且具有代表性的訓練集非常重要，”Rehemtulla 說。“所以我們首先回顧一下哪些超新星或哪些其他物體最初通過了 BTS 過濾器。”

Rehemtulla解釋說，通過這樣做，很容易排除非超新星的天體事件。

仙女座星系的新合成圖像是由帕洛瑪天文台捕獲的三個可見光波段組合而成。

圖片：ZTF/D。戈德斯坦和 R. 赫特（加州理工學院）

BTSbot 集成到觀測門戶中，使天文學家可以看到模型產生的分數，這樣他們就可以輕松地看到模型正在做什么。Rehemtulla補充說，加州理工學院的研究人員致力於整合，確保一旦人工智能發送請求，人類就不會發送重復的請求。

他說，“所以我們可以回顧一下過去五六年裏每天晚上發生的 50 件事。這些就是我們用於訓練集的樣本，基本上是過去五六年人類審查過的所有內容。”

Rehemtulla 表示，盡管該項目取得了成功，但也遇到了一些障礙，主要是審查和檢查圖像並確保它們具有高質量，從而導致 BTSbot 的發布出現短暫延遲。

他說：“有很多事情延遲了开發，其中之一是建立一個足夠大的訓練集供模型學習，但要保持幹淨。你不想只是把我們的所有東西都投入其中。”望遠鏡曾經探測到過，並开始在裏面放一堆垃圾。”

隨着人工智能變得越來越普遍，該技術正在進入多個研究領域，包括癌症治療、軍事防御和教育。盡管人工智能對社會的未來充滿希望，但專家警告說，該技術仍然表現出一些令人不安的習慣，包括偏見、種族主義和謊言。

Rehemtulla還表示，在天文學中使用人工智能時需要謹慎，並承認人工智能模型可能形成選擇偏差，這將威脅人工智能模型識別其他星系天體的持續准確性。

“我們找到了超過 99% 的問題，所以實際上我們並不太擔心，”他說。“將人工智能應用於天文學的人們需要考慮的是，我們在研究中存在什么樣的偏見？”

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。