最近发表的一项研究详细介绍了天文学家如何使用一种名为“机器学习”的方法来帮助他们理解大量恒星的特性。

 

天文学家正在借助机器的帮助，对银河系中的数千颗恒星进行分类，了解它们的大小、组成和其他基本特征。

 

这项研究是不断发展的机器学习领域的一部分。在机器学习领域，计算机从大型数据集中学习，发现人类可能在其他情况下看不到的模式。机器学习应用于方方面面，从预测你想看什么的流媒体服务，到邮局，电脑自动读取手写地址，并将邮件直接发送到正确的邮政编码。

 

现在，天文学家们正求助于机器来帮助他们根据巡天图像识别恒星的基本属性。通常情况下，这些细节需要一个光谱，也就是将星光详细筛选成不同波长。但有了机器学习，计算机算法可以快速浏览可用的图像堆栈，识别出揭示恒星属性的模式。这项技术有可能在相对较短的时间内以较低的成本收集数十亿颗恒星的信息。天富平台登录

 

“这就像视频流媒体服务不仅预测将来你想看什么,还有你现在的年龄,根据你的浏览偏好,”亚当说米勒帕萨迪纳市的美国宇航局喷气推进实验室,加州的一个新的报告发现出现在《天体物理学杂志》上。“我们正在预测恒星的基本属性。”

 

米勒今天在西雅图举行的美国天文学会年会上公布了这一结果。

 

机器学习以前也被应用于宇宙;这项最新研究的独特之处在于，它首次利用这些恒星随时间推移拍摄的图像来预测恒星的具体特征，如大小和金属含量。这些特征对于了解一颗恒星何时诞生，以及从那时起它是如何变化的至关重要。

 

米勒说:“有了更多关于我们银河系中不同种类恒星的信息，我们就能更好地绘制出银河系的结构和历史。”

 

每天晚上，世界各地的望远镜都能获得成千上万张天空的图像。随着大规模巡天望远镜(Large Synoptic Survey Telescope, lst)等即将到来的大范围巡天望远镜(Large Synoptic Survey Telescope, lst是美国国家科学基金会(National Science Foundation)和能源部(Department of Energy)的一个项目，将设在智利)的到来，预计新数据的洪流只会增加。这项调查将每隔几个晚上对整个可见天空进行成像，收集数十亿颗恒星的数据，以及其中一些恒星的亮度如何随时间变化。美国宇航局的开普勒任务已经在成千上万颗恒星上捕捉到了类似的随时间变化的数据。天富平台登录

 

仅凭人类无法轻易理解所有这些数据。这就是机器，或者在这种情况下，使用专门算法的计算机可以帮助解决的问题。

 

但在机器能够学习之前，它们首先需要一个“训练期”。米勒和他的同事从9000颗恒星开始作为他们的训练集。他们获得了这些恒星的光谱，揭示了它们的一些基本属性:大小、温度和重元素(如铁)的数量。斯隆数字巡天计划(Sloan Digital Sky Survey)也记录了恒星的亮度变化，绘制了被称为光曲线的图。通过把这两组数据输入计算机，它就可以把恒星特性和光曲线联系起来。

 

训练阶段一结束，计算机就能通过分析光曲线自行预测其他恒星的情况。

 

米勒说:“我们可以发现和分类新的恒星类型，而不需要光谱，而光谱的获取是昂贵和耗时的。”

 

该技术本质上与电子邮件垃圾邮件过滤器的工作方式相同。垃圾邮件过滤器的程序是识别与垃圾邮件相关的关键字，然后删除包含这些关键字的不需要的邮件。随着时间的推移，用户不断地“教授”过滤程序更多的关键词，该程序在过滤垃圾邮件方面就会变得更好。经过天文学家的额外训练，米勒和他的合作者们使用的机器学习程序也能更好地准确预测恒星的特性。

 

该团队的下一个目标是让他们的计算机变得足够智能，以处理lst项目将观测到的5000多万颗变星。

 

米勒说:“这是一个将先进算法应用于天文学的激动人心的时刻。”“机器学习让我们能够在天文学家刚刚开始获取的深层数据集中挖掘出稀有而晦涩的宝石。