首页> 科普频道> 天文前沿 > 正文

和Wall-E一起仰望星空

来源:雷竞技2019-07-09 09:41

调查问题加载中,请稍候。
若长时间无响应,请刷新本页面

  看过《Wall-E》的小伙伴们应该还记得那令人动容的一幕:电影的主角---小机器人Wall-E---在黑夜中独自仰望星空,憧憬着繁星和爱情。也许你也曾向往着拥有这样的一个小家伙和你一起观天赏月共享韶华。

  其实,天文学家们早已开始着手训练机器了,但是我们训练机器的目的并不是为了制造出一个可以对酒当歌的伙伴,而是在即将到来的大数据天体物理时代,天文学家们必须依靠机器学习的方法来实现宇量的数据处理工作。

  1. 为什么天文学家需要机器学习?

  随着观测技术的发展,天文数据呈指数型增长。例如,著名的斯隆巡天(The Sloan Digital Sky Survey, https://www.sdss.org/)开始于2000年,观测到了约300万个天体,数据量大约是40TB(1TB=1024GB)。而目前正在运行的暗能量巡天(The Dark Energy Survey,https://www.darkenergysurvey.org/)的数据量至少是斯隆巡天的100倍。未来欧洲的欧几里得巡天(Euclid,https://www.euclid-ec.org/)以及美国的大尺度概要巡天(LSST,https://www.lsst.org/)则会把数据量推到惊人的50PB和200PB(1PB=1024TB)。

  只观测星系一种天体的样本数目就将达到数十亿,因此以往传统编程加人工的处理方式的效率已经不足以应付这样庞大的数据量了。例如,最基本的把上百亿的星系按照哈勃星系图表(图1)分类的工作量就多到让人望而却步。那时候,高效的自动化数据处理将成为刚需。幸好人工智能技术在过去的十几年里有了突飞猛进的发展,比如图样识别技术已经可以快速地把互联网上的图片进行分类了。天文学家们受此启发,开始把人工智能领域里的相关技术应用到天文数据的自动化处理中。

和Wall-E一起仰望星空

图1 哈勃星系分类图表 图片来源:https://en.wikipedia.org/wiki/Hubble_sequence

  2. 什么是机器学习

  著名科学家赫伯特·西蒙(Herbert Simon,1975年图灵奖和1978年诺贝尔经济学奖得主)给机器学习下过定义:机器学习是计算机程序通过摄取数据来自行改进性能的过程。

  机器学习和传统程序根本的不同就是编程逻辑,机器学习的理念是归纳法,而传统编程更倾向于演绎法。例如,如果想用传统编程方法对星系的形状分类,我们需先测量星系的形状参数,然后设定阈值,再根据形状参数和阈值的关系对星系分类;而机器学习的逻辑则是先建立一个普适的模型,不提供特定参数或阈值,只输入星系图像和归类标签,这个模型就会根据输入的数据自我调整,从而演化成一个可用于星系形状分类的分类器。图2展示了传统程序和机器学习程序工作流程的差异。

  打个比方,传统编程就像是说走就走的旅行,有路我就去尝试,终点在哪里我不确定;而机器学习则更像是出差,起点和终点都是已知的,机器学习程序会生成一个最优的途径给我们。前者适合于探索未知,而后者则更有助于解决明确的问题。

和Wall-E一起仰望星空

图2 传统编程和机器学习编程逻辑的差异

  从运行方式上讲,机器学习主要分为监督学习、非监督学习、和强化学习。监督学习是指在有明确训练样本的情况下,应用训练样本中的数据(如图片)和标签(分类标签如猫或数字标签如0.7)来演化出所需模型。监督学习多用于分类和预测,例如,根据图片特征辨别动物种类和根据卫星云图预测降水概率。

  非监督学习是指在不提供标签的情况下,程序根据数据的特征把数据归入不同的分组中。非监督学习多用于寻找相关对象和异常情况预警,例如,新闻分类和新物种发现提醒。

  强化学习要比前两个更加复杂一些,它是通过感知、行为、奖励的循环模拟人或动物的学习过程。大名鼎鼎的AlphaGo就是基于强化学习的工作原理在围棋场上击败了李世石的。

  如果把机器比作一个婴儿,监督学习就是你先告诉他什么是苹果,什么是梨,然后给他多张卡片让他分出苹果和梨;非监督学习则是先不告诉他什么是苹果,什么是梨,直接给他多张卡片让他把相同的放在一组里;而强化学习是什么都不告诉他,让他自己探索你所提供的卡片,他若主动把卡片进行正确的分类,则给予其奖励,多次循环后完成卡片的分类。目前,在天文学领域里,应用比较广泛的是监督学习和非监督学习。

  3. 机器学习在天体物理中的应用

  监督学习在天体物理中的应用最为广泛,包括星系形状分类(图3),特定目标查找(图4),快速自动化建模(图5)等等。我在对应的图例中列出了上述应用的简介,如果您想了解更深层次的细节,还可阅读图例中的参考文献。

和Wall-E一起仰望星空

图3 应用机器学习进行星系形状分类的范例。每一行是被分到同一组的星系图像,每一列代表着不同的形状分组,例如,第一行代表着离我们比较远的盘状星系,中间一行则为大质量的椭圆星系,最后一行是离我们比较近的漩涡星系。监督学习(参考文献:http://adsabs.harvard.edu/abs/2015MNRAS.450.1441D)和非监督学习(参考文献:http://adsabs.harvard.edu/abs/2018MNRAS.473.1108H)都能很好地胜任这类工作,而且在准确率都不输于传统方法的前提下,大大提高了分类速度。

和Wall-E一起仰望星空

  图4 宇宙中星系尺度的爱因斯坦环现象的范例。图中所示的蓝色环结构是广义相对论所预言『爱因斯坦环』结构,天文学家们可以通过这些环结构的形状来研究星系中暗物质的质量分布。但是这种结构在宇宙中比较稀少,例如图中所示的爱因斯坦环查找项目(SLACS)中,SLACS团队搜索了二十万个星系,但只找到了大约20个如图所示的爱因斯坦环系统(参考文献:https://ui.adsabs.harvard.edu/abs/2008ApJ...682..964B)。在LSST和Euclid时代,天文学家们预言我们会从几十亿个星系中找到上万个这样的系统,面对如此大的工作量,我们已经开始尝试引入机器学习的方法来实现这一目标了(参考文献:https://ui.adsabs.harvard.edu/abs/2019A%26A...625A.119M)。图片来源:NASA/ESA/A. Bolton

和Wall-E一起仰望星空

  图5 应用机器学习解决回归问题的实例。左图为宇宙中的投影物质分布示意图(参考文献:https://astrostatistics.psu.edu/scma4/Bernstein.pdf),右图为机器学习的方法根据宇宙中的投影物质分布预言的宇宙学参数(参考文献:http://adsabs.harvard.edu/abs/2018PhRvD..98l3518F),其中蓝色区域为机器学习的结果,红色区域为传统方法,图形的面积代表测量的不确定性,可以直观的看出机器学习结果的不确定性更小。这个应用的基本思想是通过机器学习的算法建立起左图和由图中宇宙学参数的对应关系,这样在将来有新的物质分布的数据的时候,只要输入训练好的模型中,就可以快速地返回对应的宇宙学参数了。

  监督学习的最大优点就是目的性强和准确率高,但其缺点同样突出。例如,预言结果高度依赖训练样本的性质,而且针对不同望远镜和不同的观测目的,天文学家们需要生成特定性质的训练样本,此过程工作量巨大,其中还包含很多重复性的工作。当前,在研究如何把监督学习应用到天文数据的时候,天文学家们很大的一部分精力都放在如何生成逼真的仿真数据(图6),为的是尽量避免监督学习的预言对于真实值的偏离。

和Wall-E一起仰望星空

  图6 机器学习算法生成的仿真星系图像与真实图像的对比(参考文献:https://ui.adsabs.harvard.edu/abs/2019arXiv190410286S)。左图为机器学习生成的类哈勃极深场的星系图像,右图为真实的哈勃极深场的星系图像。就算专业的观测天文学家也无法只靠肉眼观察就确定地分辨出哪个是真实观测数值仿真的结果。生成尽可能真实的数值模拟图像有助于天文学家测试和校正数据处理软件和科学建模软件。以前应用传统方法生成模拟图像的时候,如何提高运行效率和数据真实性是最另人头疼的问题,现在看来机器学习的方法有望一举攻克这两个难关。

  为了规避监督学习的缺点,天文学家们开始越来越关注非监督学习,并应用于星系分类(图3),引力透镜查找(图4),罕见天体探测等项目中。非监督学习的优点是不需要训练样本,从而避免了由于训练样本偏差而导致的预言偏差,而且避免了大量的重复性工作,计算效率也相对高些。但是抛弃训练样本所带来的最直接影响就是准确率会降低,而且没有标签的情况下,非监督学习的分组权重会高度依赖于分析样本中各种天体的占比,这使得非监督学习的应用范围受到了限制。尤其是对某些特性不是很强的天体的查找,天文学家们更倾向于使用监督学习的方法。

  近期,一种被称作半监督学习的方法渐渐走入了天文学家们的视野,构建这个方法的目的是为了结合前面两中方法的优点并抑制它们的不足。基本思想是不完全抛弃监督学习的训练样本,而是通过标记已知天体来构建训练样本,这样既避免预测结果受通过数值模拟生成的训练样本的潜在偏差的影响,又省去了重复性工作,而且引入训练样本还能提高分类的准确率,还可以通过人为标记来为原来的非监督学习制定一定的目的性。不过天文学家们对应用半监督学习的研究才刚刚开始,可以想象,随着相关研究的逐渐深入,半监督学习在天文学中会大有可为。

  4. 总结

  Euclid和LSST等大尺度巡天设备的逐渐投入使用标志着大数据天文学时代的正式到来,机器学习也将成为天文学家处理数据、提取信号、科学建模等过程中不可或缺的工具。同时,5G时代的移动互联网技术也会将人机结合推向一个新的高度,因此,未来在天文学和各种新技术的碰撞中,我们有理由期待更多。也许有一天,人类真的会和Wall-E相伴而坐,仰望着那片深蓝的星空,回忆着曾经一起探索宇宙的峥嵘岁月。

  作者:李楠,现英国诺丁汉大学博士后研究员。2013年于中国科学院国家天文台获得天体物理学博士学位,研究领域是宇宙学,集中在引力透镜数值模拟、机器学习以及公众科学在天体物理中的应用等课题。

[ 责编:蔡琳 ]
阅读剩余全文(

相关阅读

您此时的心情

新闻表情排行 /
  • 开心
     
    0
  • 难过
     
    0
  • 点赞
     
    0
  • 飘过
     
    0
  • 视觉焦点

  • 第28届中国金鸡百花电影节民族影展开幕

  • 北约首架“全球鹰”无人机进驻意大利境内基地

  • 独家策划

  • 推荐阅读
    根据《中国科学院院士章程》和《中国科学院院士增选工作实施细则》的规定,2019年中国科学院选举产生了64名中国科学院院士和20名中国科学院外籍院士。
    2019-11-22 09:54
    南京农业大学国家肉品质量安全控制工程技术研究中心21日宣布,该校周光宏教授团队生产出我国第一块肌肉干细胞培养肉。周光宏团队从2009年起开展用于培养肉的干细胞研究,在2015年—2017年间分离纯化出高纯度的猪肌肉干细胞和牛肌肉干细胞,研究出干细胞体外培养干性维持方法。
    2019-11-22 09:23
    “你无法延长生命的长度,却可以把握它的宽度;无法预知生命的外延,却可以丰富它的内涵。胡正详教授严谨治学的理念和高尚的医品医德始终影响并激励着王泰龄,他对青年医生的要求严格到几乎苛刻。
    2019-11-22 09:30
    11月20日,“创新创业,方法先行”2019年中国创新方法大赛总决赛颁奖仪式在湖南长沙举行。
    2019-11-22 09:40
    超级稻是水稻中的“优等生”,是指比现有品种在产量上大幅度提高并兼顾品质与抗性的新型水稻品种。发展超级稻,要紧跟市场需求,更要注重品质改善,发展专用品种,满足不同消费群体、不同加工用途的需要,推进稻米供给侧结构性改革。
    2019-11-22 09:38
    印度研究人员开发出一种便捷的结核病检测装置,将其安装到普通光学显微镜上可提高检测灵敏度,帮助初级医疗诊所更加快速、容易地诊断结核病。据介绍,印度医学研究理事会目前已计划在印度初级卫生机构中推广该装置,对其检测效果等进行大规模验证。
    2019-11-22 09:33
    11月20日-23日,众多企业齐聚北京亦创国际会议中心世界5G大会展馆,展示使用5G技术智能定制的电子设备、工业机器、农业机械,甚至汽车。在“5G+8K”直播区的屏幕上,一个绣娘正在织布,无论是绣娘的操作细节,还是根根丝线,都可以看得一清二楚。
    2019-11-22 09:31
    中国工程院院士邬贺铨做了主旨发言,主题为“移动经济支撑数字经济”。
    2019-11-22 09:31
    说到国家菌种资源库,普通人可能会觉得比较陌生。但事实上,公众平时关心的食品安全微生物检测、微生物肥料生产、疫苗病原菌检测评价、食用菌菌种选育等都离不开它。为此,资源库建立了针对肺炎球菌多糖疫苗血清功能性抗体检测的调理吞噬及多重调理吞噬实验技术,可用于肺炎球菌疫苗的临床血清质量评价。
    2019-11-22 09:28
    今年1月1日,“新视野”号进行第二次飞掠,这次的目标是小型柯伊伯带天体(KBO)2014 MU69,其非正式名称为“天涯海角”。斯特恩说,“新视野”号目前飞行状态良好,如果NASA批准其任务延期,它有足够的燃料拜访另一个柯伊伯带天体。
    2019-11-22 09:27
    21日,首届世界5G大会在北京开幕。开幕式上,据工信部介绍,目前全国已经开通5G基站11.3万个,预计到年底将达到13万个,5G套餐签约用户已有87万个,发展势头良好。
    2019-11-22 09:17
    帕金森氏病的病因仍不完全清楚,但可以确定的是,大脑中产生多巴胺的神经细胞逐渐死亡会导致多巴胺缺乏,并最终导致典型的疾病症状。将来,关闭Cav2.3通道(单独或与其他钙通道组合使用)可能会成为针对帕金森氏病的新神经保护疗法的基础。
    2019-11-22 09:26
    2007年,通过借鉴发达国家免耕播种技术并结合中国耕作实际,科研机构和企业共同努力,成功研制出我国第一代免耕播种机。今年,吉林已有超过1300万亩土地实行免耕播种,新增免耕播种机近2000台。
    2019-11-22 09:41
    而量子密码利用了量子力学物理性质,从原理上来说是无法破解的。如此一来,这样一个安全的系统可用来传输包含机密信息的加密语音通话、传真和电子邮件等,有望在金融、军事和安全保障等领域“大显身手”。”  金贤敏称,评测量子密码的现实安全性,是要假设窃听者拥有不违反物理规律情况下的无限能力。
    2019-11-22 09:26
    一个国际科研团队最近创建了迄今最详细的大尺度宇宙模型TNG50。研究合作者、美国佛罗里达大学物理学副教授保罗·托瑞说:“这些模拟是巨大的数据集,我们可以通过剖析并了解其中星系的形成和演化来获得大量信息。
    2019-11-22 09:25
    中国“雪龙兄弟”——“雪龙”号和“雪龙2”号极地科考破冰船20日顺利抵达中国第36次南极科学考察首个目的地中山站附近海域。首航南极的“雪龙2”号当天还进行了首次陆缘冰破冰作业。
    2019-11-22 09:15
    记者从中国铁路北京局集团有限公司(以下简称:北京铁路局)获悉,2019年11月21日上午,服务北京和雄安新区的4个绿色物流基地在河北省保定市高碑店铁路货场正式揭牌启用。
    2019-11-22 09:13
    为打赢“蓝天保卫战”,近年来,一系列政策接连出台。其中,什么才是促使空气质量改善的最有效因素?
    2019-11-22 09:33
    目前,用于计算机处理器的硅集成电路正接近单个芯片上晶体管的最大可行密度,至少在二维阵列中是这样。为解决上述问题,密歇根大学研究人员通过附加器件层的单片三维集成,来提高硅互补金属氧化物半导体集成电路的性能。
    2019-11-21 10:01
    研究表明,前额皮层和腹侧海马都参与恐惧记忆泛化的过程,两者有神经投射,且该投射的过度激活会导致恐惧记忆的泛化。这一发现不仅诠释了恐惧记忆远期泛化的神经机制,更为临床创伤后应激障碍的治疗提供了理论依据和应用基础。
    2019-11-21 10:06
    加载更多