意外妙用！天文学家利用Facebook面部识别软件来寻找深空射电星系

天文学家已经训练Facebook的面部识别软件来发现深空的“打嗝儿”黑洞。

人工智能(AI)工具可以从射电望远镜的扫描中识别出射电星系。

这些罕见的星系从它们中心的超大质量黑洞喷射出强大的射电射流，科学家们相信它们掌握着宇宙结构的线索。

西澳大利亚大学的专家们希望通过这项名为“ClaRAN”的新项目，利用黑洞发出的无线电信号，使观测这些难以捉摸的星系变得更加容易。

这项研究的主要作者Ivy Wong博士说:“这些超大质量黑洞偶尔会喷出射电望远镜可以看到的喷射物。”

“随着时间的推移，这些喷流可能会从它们的宿主星系延伸出很远的距离，这使得传统的计算机程序很难确定星系的位置。”

“这就是我们试图教ClaRAN做的事情。”

ClaRAN是使用微软和Facebook的对象检测软件的开源版本建立的，后者使用该软件识别用户发布的照片中的人脸。

Wong博士说，该项目经过了彻底的改革，并训练了识别星系而非人类的能力。

在之前的星系调查中，人类观察员挑选出了数千张射电星系的图像，并将这些图像输入其中。

射电星系中心的超大质量黑洞释放出强大的射电喷射。射电星系通常由两个从一个巨大的椭圆星系喷射出来的喷射物组成。

射电星系在射电波长下非常明亮，用射电望远镜很容易发现它们。

这就为研究宇宙结构提供了有用的工具。

目前，天文学家发现的已知最遥远的射电星系距地球约120亿光年。研究团队先用位于印度的巨米波射电望远镜发现了它，然后用位于美国的北双子座望远镜和大双筒望远镜进一步观测，计算出该星系距离地球的距离。

随着时间的推移，人工智能学会了通过识别观测数据中的微小形状和模式来识别星系。

该项研究的共同作者Chen Wu博士说，ClaRAN是一个被称为“编程2.0”的新范式的例子。

他说，你所要做的就是建立一个巨大的神经网络，给它大量的数据，让它弄清楚如何调整内部连接，以产生预期的结果。

“新一代程序员99%的时间都花在制作高质量的数据集上，然后训练人工智能算法来优化剩下的部分。”

“这是编程的未来。”

即将进行的EMU调查使用的是位于华盛顿的澳大利亚平方公里阵列射电(ASKAP)望远镜，预计将观测到7000万个星系。

传统的计算机算法能够正确识别90%的来源。

Wong博士说:“剩下的10%，也就是700万个‘困难的’星系，由于其扩展结构的复杂性，必须由人类来处理。”

像ClaRAN这样的项目对望远镜观测的处理方式有着巨大的影响。

Wong博士说:“如果我们能开始在下一代调查中采用这些更先进的方法，我们就能最大限度地利用这些方法的科学性。”

“在全新的数据上使用已有40年历史的方法是没有意义的，因为我们正试图比以往任何时候都更深入地探索宇宙。”