近日，中国科学院上海天文台葛健教授领导的国际团队利用深度学习，在斯隆数字巡天III(SDSS-III)计划发布的类星体光谱数据中寻找罕见的微弱信号。神经网络。
通过引入一种探索星系形成和演化的新方法，该团队展示了人工智能(AI)在识别天文大数据中罕见的微弱信号方面的潜力。该研究发表在《皇家天文学会月刊》上。
来自宇宙中冷气体和尘埃的“中性碳吸收剂”是研究星系形成和演化的重要探针。然而，中性碳吸收线的信号微弱且极其罕见。
天文学家一直在努力使用传统的相关方法在大量类星体光谱数据集中检测这些吸收体。 “这就像大海捞针一样，”葛教授说。
2015年，SDSS在此前发布的数万个类星体的光谱中发现了66个中性碳吸收体，这是获得的样本数量最多的一次。
在这项研究中，葛教授团队根据实际观察，利用大量中性碳吸收线的模拟样本，设计并训练了深度神经网络。通过将这些训练有素的神经网络应用到SDSS-III数据中，研究小组发现了107种极其稀有的中性碳吸收剂，使2015年获得的样本数量增加了一倍，并检测到了比以前更多的微弱信号。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！