哈勃“翻旧账”：AI从档案中挖出1400个宇宙“怪胎”

负责这项工作的研究人员大年夜卫·奥莱安（David O’Ryan）和巴勃罗·戈麦斯（Pablo Gómez）将一套名为“AnomalyMatch”的AI模型应用于哈勃遗产档案（Hubble Legacy Archive），让其在约1亿个图像裁剪片段中主动搜寻形态或光学特点“反常”的目标，并将这些候选目标交由人工进一步核查。 研究团队表示，哈勃数十年积聚的数据本身就是一个“可能埋藏着各类天体异常现象的宝库”。

比拟传统依附人工浏览与逐张筛选的方法，AI在此次义务中的效力优势极为明显：AnomalyMatch仅用两天半就完成了对近1亿个图像小块的扫描，这一工作量若完全由人类团队承担，所需时光将难以估计。 AI在大年夜范围数据中捕获模式、标记“异类”的才能，为天文学家在数据爆炸时代持续“从海量噪声中捞针”供给了新的对象。

这是哈勃遗产档案初次被体系性地用于“异常搜寻”，而非只为特定目标或特定义务办事。 研究成果揭橥于期刊《天文学与天体物理学》（Astronomy & Astrophysics），共鸣别出近1400个“异常天体”，个中大年夜部分与星系间的互相感化或并合有关。 在这些样本中，研究人员还发清楚明了多种类型的特别构造：包含由巨大年夜质量天体曲折光线形成的引力透镜（其在图像中平日表示为弧状或环状光晕）、带有气体“触手”的“水母星系”、以及拥有宏大年夜恒星团块的星系等。

更令研究团队高兴的是，个中还稀有十个目标难以归入现有分类体系，临时“无法定名”。 ESA在一篇博客文章中称，这些难以被传统范畴容纳的天体，可能恰是将来新发明和新理论的“种子”。

戈麦斯表示，这是“应用AI最大年夜化哈勃档案科学产出的一个极佳典范”。 在他看来，在哈勃如许被不雅测和分析了无数次的数据集中，依然能借助AI找到如斯之多的异常目标，解释这种办法对其他范围更宏大年夜、构造更复杂的数据集同样具有重要参考价值。

在越来越多的天文举措措施——从哈勃、詹姆斯·韦布空间千里镜，到即将上马的新一代大年夜口径地面千里镜——持续向科学界输送海量不雅测数据的背景下，这类基于AI的“异常发掘”有望成为将来天文学研究的惯例手段：让机械先在无边无际的宇宙图像中发明“怪胎”，再由人类去懂得这些异常背后的物理故事。