Deep-CEE：幫助天文學(xué)家探索深空的人工智能深度學(xué)習(xí)工具

宇宙中的大多數(shù)星系都生活在被稱(chēng)為“場(chǎng)”的低密度環(huán)境中,，或者生活在小群體中，比如包含我們的銀河系和仙女座星系的星系,。星系團(tuán)更為罕見(jiàn),，但它們代表了星系可以生存的最極端環(huán)境,，研究它們可以幫助我們更好地理解暗物質(zhì)和暗能量。

在 20 世紀(jì) 50 年代,，星系團(tuán)發(fā)現(xiàn)的先驅(qū)天文學(xué)家喬治·阿貝爾花了多年時(shí)間通過(guò)肉眼尋找星系團(tuán),，使用放大鏡和照相底片來(lái)定位它們。阿貝爾手動(dòng)分析了大約 2,000 張照相底片,，尋找星系團(tuán)的視覺(jué)特征,，并詳細(xì)描述了星系密集區(qū)域的天文坐標(biāo)。他的工作導(dǎo)致了在北半球發(fā)現(xiàn)的星系團(tuán)的“阿貝爾目錄”,。

Deep-CEE 以 Abell 識(shí)別星系團(tuán)的方法為基礎(chǔ),，但用經(jīng)過(guò)訓(xùn)練的 AI 模型取代了天文學(xué)家，該模型經(jīng)過(guò)訓(xùn)練可以“查看”彩色圖像并識(shí)別星系團(tuán),。它是一種基于神經(jīng)網(wǎng)絡(luò)的最先進(jìn)模型,，旨在模仿人腦在可視化獨(dú)特圖案和顏色時(shí)通過(guò)激活特定神經(jīng)元來(lái)學(xué)習(xí)識(shí)別物體的方式。

Chan 通過(guò)反復(fù)向 AI 展示圖像中已知的、已標(biāo)記的對(duì)象示例來(lái)訓(xùn)練 AI,，直到該算法能夠?qū)W會(huì)自行關(guān)聯(lián)對(duì)象,。然后進(jìn)行了一項(xiàng)試點(diǎn)研究，以測(cè)試該算法在包含許多其他天文物體的圖像中識(shí)別和分類(lèi)星系團(tuán)的能力,。

“我們已經(jīng)成功地將 Deep-CEE 應(yīng)用于斯隆數(shù)字巡天,，”Chan 說(shuō)，“最終,，我們將在革命性的巡天中運(yùn)行我們的模型,，例如大型天氣巡天望遠(yuǎn)鏡 (LSST)，它將更廣泛,、更深入地探測(cè)宇宙區(qū)域以前從未探索過(guò),。

新的最先進(jìn)的望遠(yuǎn)鏡使天文學(xué)家能夠比以往任何時(shí)候都更廣泛和更深入地觀察，例如研究宇宙的大尺度結(jié)構(gòu)并繪制其大量未被發(fā)現(xiàn)的內(nèi)容,。

通過(guò)自動(dòng)化發(fā)現(xiàn)過(guò)程,，科學(xué)家可以快速掃描圖像集，并以最少的人工交互返回精確的預(yù)測(cè),。這對(duì)于將來(lái)分析數(shù)據(jù)至關(guān)重要,。即將進(jìn)行的 LSST 巡天(將于 2021 年上線(xiàn))將對(duì)整個(gè)南半球的天空進(jìn)行成像，估計(jì)每晚產(chǎn)生 15 TB 的數(shù)據(jù),。

“深度學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)將幫助我們分析現(xiàn)代望遠(yuǎn)鏡的巨大輸出”,，John Stott 博士(Chan 的博士生導(dǎo)師)說(shuō)?！拔覀兿Ｍ覀兊姆椒軌蛘业娇茖W(xué)界從未見(jiàn)過(guò)的數(shù)千個(gè)星團(tuán),。”

遠(yuǎn)距離觀鳥(niǎo)：令人驚嘆的新型 AI 攝像頭系統(tǒng)可針對(duì)特定行為

生物記錄是一種涉及將小型輕型攝像機(jī)和/或其他數(shù)據(jù)收集設(shè)備安裝到野生動(dòng)物身上的技術(shù),。然后,，該系統(tǒng)允許研究人員以最小的干擾觀察該動(dòng)物生活的各個(gè)方面，例如它的行為和社會(huì)互動(dòng),。

然而,，到目前為止，這些高成本生物記錄系統(tǒng)所需的相當(dāng)長(zhǎng)的電池壽命已被證明是有限的,?！坝捎诟街谛?dòng)物身上的生物記錄器必須小巧輕便，它們的運(yùn)行時(shí)間很短,，因此很難記錄有趣的罕見(jiàn)行為,，”研究通訊作者 Takuya Maekawa 解釋道。

“我們開(kāi)發(fā)了一種新的配備人工智能的生物記錄設(shè)備,，使我們能夠根據(jù)來(lái)自加速度計(jì)和地理定位系統(tǒng) (GPS) 等低成本傳感器的數(shù)據(jù)自動(dòng)檢測(cè)和記錄感興趣的特定目標(biāo)行為,。” 然后，低成本傳感器將高成本傳感器(例如攝像機(jī))的使用限制在它們最有可能捕獲特定目標(biāo)行為的時(shí)間段內(nèi),。

將這些系統(tǒng)與機(jī)器學(xué)習(xí)技術(shù)結(jié)合使用,，可以將昂貴傳感器的數(shù)據(jù)收集直接集中在有趣但不常見(jiàn)的行為上，從而大大增加檢測(cè)到這些行為的可能性,。

新的人工智能輔助攝像機(jī)系統(tǒng)在日本沿海島嶼的自然環(huán)境中對(duì)黑尾鷗和條紋海鷗進(jìn)行了測(cè)試,。“與隨機(jī)抽樣方法相比,，新方法對(duì)黑尾鷗覓食行為的檢測(cè)提高了 15 倍,，”主要作者 Joseph Korpela 說(shuō)?！霸跅l紋海鷗中,，我們應(yīng)用了基于 GPS 的人工智能系統(tǒng)來(lái)檢測(cè)這些鳥(niǎo)類(lèi)的特定局部飛行活動(dòng)?；?GPS 的系統(tǒng)的精度為 0.59——遠(yuǎn)高于涉及切換的周期性采樣方法的 0.07攝像頭每 30 分鐘打開(kāi)一次,。”

未來(lái)使用配備人工智能的生物記錄器有許多潛在的應(yīng)用,，尤其是系統(tǒng)本身的進(jìn)一步發(fā)展?！斑@些系統(tǒng)具有廣泛的可能應(yīng)用,，包括使用反偷獵標(biāo)簽檢測(cè)偷獵活動(dòng)，”前川說(shuō),?！拔覀冞€預(yù)計(jì)這項(xiàng)工作將被用來(lái)揭示人類(lèi)社會(huì)與傳播冠狀病毒等流行病的野生動(dòng)物之間的相互作用?！?/p>

更多信息可以來(lái)這里獲取==>>電子技術(shù)應(yīng)用-AET<<