人工智能為天文學研究帶來新工具

被廣泛應用于人臉識別以及其他圖像和語音識別的深度學習方法在幫助天文學家分析星系圖像及了解它們如何形成和演變方面展示了潛力。一支由多國科學家組成的科研團隊使用計算機模擬星系的形成來訓練深度學習算法，該算法隨后被證實在分析來自哈勃空間望遠鏡的星系圖像方面表現異常出色，相關研究成果已發表在《天體物理期刊》上。

科研人員利用來自模擬的輸出結果生成被模擬星系的模擬圖像，并將其用于訓練深度學習系統，使其能夠識別之前在模擬中確定的星系演變的三個關鍵階段。科研人員隨后為該系統提供大量真實的哈勃圖像用于分類。結果表明，神經網絡對模擬星系和真實星系的分類具有高度一致性。

在這項新研究中，科研人員使用了最先進的星系模擬（VELA模擬）。科研人員對富含氣體的星系的早期演變模擬中發現的以下現象尤其感興趣：當大量氣體流入星系的中心時，星系的中心會形成一個小而密集的恒星形成區域，稱為“藍核”。年輕、熾熱的恒星會發出“藍色”短波長光，因此藍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發出更多的“紅色”光。

計算機程序在模擬數據和觀測數據中都有以下發現：“藍核”階段只在質量屬于特定范圍的星系中發生。中心區域的行星形成隨后會平息，帶來緊湊的“紅核”階段。質量范圍的一致性是令人興奮的發現，因為它表明深度學習算法正在自行確定真實星系中發生的重要物理過程的模式。

對于觀測數據，該團隊使用了“宇宙組合近紅外深空河外星系遺產巡天”（CANDELS）項目的星系圖像。VELA模擬在幫助天文學家理解CANDELS的觀測結果方面取得了很多成功。

研究人員表示，未來，由于大型巡天項目和新望遠鏡的存在，天文學家將擁有更多可供分析的觀測數據。深度學習和其他機器學習方法可成為理解這些海量數據集的強大工具。