分析数据、指挥卫星、物理模拟……AI如何助力天文学研究？
分析数据、指挥卫星、物理模拟……AI如何助力天文学研究？
近年来，高速发展的人工智能开始在越来越多的专业领域发挥作用。作为一门需要处理海量数据的学科，天文学正成为AI应用的最佳场景之一，AI正逐渐为系外行星探测、天文数据分析、物理模拟乃至卫星的指挥调配方面提供帮助。
7月4日，在2024世界人工智能大会暨人工智能全球治理高级别会议期间，“AI for Science-人工智能赋能中国空间天文”专题论坛成功举办。论坛围绕AI驱动天文研究、AI与系外行星发现、AI与空间高能天文、AI与空间天文数据等领域展开深入讨论。
AI for Science-人工智能赋能中国空间天文专题论坛2024世界人工智能大会
传统方法处理数据慢，科学家寻求AI帮助
中国科学院院士、中国载人航天工程空间科学首席专家顾逸东在演讲中介绍了他参与的爱因斯坦探针卫星（EP）、天基多波段空间变源监视器（SVOM）等空间科学卫星项目，以及巡天空间望远镜（CSST）、高能宇宙辐射探测设施（HERD）、宇宙伽马射线暴偏振探测器（POLAR-2）等基于中国空间站的天文任务。
顾逸东表示，以ChatGPT为代表的生成式人工智能的重大突破，推动了各领域AI应用的爆发式增长，可能引发新的产业革命。“AI for Science”正在快速兴起，作为自然科学前沿的天文学要如何把握新发展态势，深度融合AI和天文，是当前的重大课题。
中国科学院院士顾逸东发表演讲2024世界人工智能大会
他指出，空间天文具有数据量空前的指数级增长、天体目标丰富多样、目标信息提取及高精度和定量化要求这些特点。随着我国空间科学飞速发展，数据量正以空前的速度增长，“从几十亿个不同类型的天体中获取形状、光谱、坐标、红移、引力透镜、爆发时变等大量数据，依靠传统数据处理模式已经很难满足科研需求。”
他举例说，EP和SVOM每年数据可达几十TB。预计CSST发射升空后，每幅图像将达到5GB，一年获取12万幅图像，数据总量将达到30PB以上。HERD预计也将每年产生3.5PB的数据。
顾逸东认为，AI可以在天文图像目标分类和特征信号搜寻、粒子天体物理等探测数据智能处理、复杂约束的望远镜运行优化决策、宇宙学和天体物理模拟、知识图谱构建、卫星和望远镜健康诊断等方面发挥作用。
中国科学院上海天文台研究员、讲席教授葛健介绍了AI如何助力系外地球巡天。他举例说，利用人工智能GFPC全新算法，研究团队已在开普勒数据中发现5颗超短周期亚地球系外行星，搜寻速度提高了1000倍，精度和完备性都有所提升。
目前国际上运行的空间搜寻系外行星的卫星全都采用成熟的凌星法，但至今依然没有找到“地球2.0”。葛健表示，中国科学院空间先导背景型研究支持的“地球2.0”空间巡天（ET）计划用4年时间探寻“地球2.0”，预计将发现约3万颗系外行星，是目前已知数量的6倍。
葛健还表示，ET的高精度测光数据将是开普勒数据的至少10倍，将极大地扩展系外行星的参数空间。
他指出，系外行星巡天已经产生了海量数据，传统数据处理方法速度慢、精度和完整度不够，AI深度学习算法可以解决海量天文数据的微弱信号搜寻，ET科学卫星结合AI深度学习算法有望快速探测到“系外地球”的微弱信号。
美国麻省理工学院卡夫利天体物理和空间研究所副教授安德鲁·范德伯格（Andrew Vanderburg）也通过视频方式发表演讲，他表示，随着数字探测器和更强大计算技术出现，探测系外行星等宇宙探索的过程将变得更加高效，科学家可以通过更详细、更数字的方式识别系外行星。
2015年12月，我国首颗暗物质粒子探测卫星“悟空号”发射升空。“悟空号”已连续工作了8年多，在太空中接收来自宇宙的高能原子核、电子和伽马射线的信号。在对“悟空号”收集的数据进行处理的过程中，AI也发挥了重要作用。
中国科学院紫金山天文台副台长范一中介绍说，高电荷高能量核素导致“悟空号”仪器“着火”通道数过多，局部共模噪声无法计算，数据大片丢弃。科研人员通过AI工具重建了这些粒子的正确轨迹，这是经典方法无法做到的。
本文原文来自观察者网