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)星系都生活在被稱為“場”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，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·阿貝爾花了多年時間通過肉眼尋找星系團(tuán)，使用放大鏡和照相底片來定位它們。阿貝爾手動分析了大約 2,000 張照相底片，尋找星系團(tuán)的視覺特征，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 識別星系團(tuán)的方法為基礎(chǔ)，但用經(jīng)過訓(xùn)練的 AI 模型取代了天文學(xué)家，該模型經(jīng)過訓(xùn)練可以“查看”彩色圖像并識別星系團(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)特圖案和顏色時通過激活特定神經(jīng)元來學(xué)習(xí)識別物體的方式。

Chan 通過反復(fù)向 AI 展示圖像中已知的、已標(biāo)記的對象示例來訓(xùn)練 AI，直到該算法能夠?qū)W會自行關(guān)聯(lián)對象。然后進(jìn)行了一項試點(diǎn)研究，以測試該算法在包含許多其他天文物體的圖像中識別和分類星系團(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，“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、更深入地探測宇宙區(qū)域以前從未探索過。

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。

通過自動化發(fā)現(xiàn)過程，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。這對于將來分析數(shù)據(jù)至關(guān)重要。即將進(jìn)行的 LSST 巡天(將于 2021 年上線)將對整個南半球的天空進(jìn)行成像，估計每晚產(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?！拔覀兿Ｍ覀兊姆椒軌蛘业娇茖W(xué)界從未見過的數(shù)千個星團(tuán)?！?/p>

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

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物生活的各個方面，例如它的行為和社會互動。

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)長的電池壽命已被證明是有限的。“由于附著在小動物身上的生物記錄器必須小巧輕便，它們的運(yùn)行時間很短，因此很難記錄有趣的罕見行為，”研究通訊作者 Takuya Maekawa 解釋道。

“我們開發(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)來自加速度計和地理定位系統(tǒng) (GPS) 等低成本傳感器的數(shù)據(jù)自動檢測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的行為上，從而大大增加檢測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)境中對黑尾鷗和條紋海鷗進(jìn)行了測試?！芭c隨機(jī)抽樣方法相比，新方法對黑尾鷗覓食行為的檢測提高了 15 倍，”主要作者 Joseph Korpela 說。“在條紋海鷗中，我們應(yīng)用了基于 GPS 的人工智能系統(tǒng)來檢測這些鳥類的特定局部飛行活動?；?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 分鐘打開一次?！?/p>

未來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)簽檢測偷獵活動，”前川說?！拔覀冞€預(yù)計這項工作將被用來揭示人類社會與傳播冠狀病毒等流行病的野生動物之間的相互作用?！?/p>

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