[智能应用]欧洲航天局开发AnomalyMatch AI系统，发现1400个异常天体 [复制链接]

IT之家 1 月 28 日消息，欧洲航天局（ESA）的两位天文学家开发出了一种名为 AnomalyMatch 的 AI 神经网络系统，用来在太空图像中自动寻找异常现象，表现远超人工专家。
IT之家获悉，相应 AI 系统由 David O’Ryan 和 Pablo Gómez 两位专家利用哈勃太空望远镜遗产档案（Hubble Legacy Archive）训练而成，相应档案包含哈勃望远镜 35 年来积累的数万个数据集，在短短两天半时间里，该系统筛查了将近 1 亿个图像裁剪片段，成功发现约 1400 个异常天体。
据介绍，这些“异常天体”主要涉及“外形、结构或物理状态不符合常规分类的星系”，包括正在合并或相互作用的星系（出现被拉长的恒星和气体“尾巴”等情况）、因“引力透镜”导致光线怪异的星系（前景星系的巨大引力弯曲了更远星系发出的光）、具有巨大恒星团块的星系（星系内部出现极端集中的恒星形成区域）、“水母星系”（星系在星系团里高速运动，被周围高温气体“冲刷”，导致形态像水母触手）等，相应现象极具科研价值，甚至其中还有几十个目标无法归入任何已知分类。

欧洲航天局（ESA）的两位天文学家David O’Ryan和Pablo Gómez开发了AnomalyMatch AI系统，通过哈勃望远镜35年积累的数万个数据集训练，仅用两天半时间筛查近1亿个图像片段，最终识别出约1400个异常天体1。

🧠 核心发现与效率
异常天体类型    描述    科研价值
合并或相互作用星系    星系碰撞或引力拉扯形成特殊结构    研究星系演化关键阶段
引力透镜星系    光线因强引力扭曲形成怪异影像    验证爱因斯坦相对论效应
巨恒星团块星系    星系内部存在超大恒星聚集区    揭示恒星形成机制差异
水母星系    拖尾状气体和恒星分布    探索星系与星际介质互动
未知分类天体    数十个无法归类的特殊目标    可能改写现有天文认知
🌌 结论
AnomalyMatch系统通过AI自动化分析，大幅超越传统人工筛查效率，其发现的异常天体为宇宙研究提供了新样本，尤其是数十个未知类别天体或推动天文分类体系更新

欧洲航天局AI系统：开启太空异常探索新纪元
1月28日IT之家消息，欧洲航天局（ESA）的两位天文学家David O’Ryan和Pablo Gómez带来了一项震撼科研界的成果——开发出名为AnomalyMatch的AI神经网络系统，该系统在太空图像自动寻找异常现象方面表现卓越，远超人工专家，为太空探索注入了新的活力。
强大系统：训练有素，成果斐然
基于海量数据的训练
AnomalyMatch AI系统是两位专家利用哈勃太空望远镜遗产档案（Hubble Legacy Archive）精心训练而成。哈勃望远镜35年来积累了数万个数据集，这些数据犹如一座巨大的宝藏，为AI系统的训练提供了丰富且珍贵的素材。通过学习如此庞大且多样的数据，AI系统得以深入了解太空图像的各种特征和规律，为后续准确识别异常现象奠定了坚实基础。
惊人的筛查效率与成果
在短短两天半的时间里，AnomalyMatch系统展现出了惊人的工作效率。它筛查了将近1亿个图像裁剪片段，成功发现了约1400个异常天体。这一效率是人工专家难以企及的，人工筛查如此大量的图像不仅需要耗费大量的时间和人力，而且容易出现疏漏。而AI系统凭借其强大的计算能力和学习能力，能够快速、准确地完成筛查任务，大大提高了科研效率。
异常天体：丰富多样，科研价值极高
多种类型的异常星系
这些被发现的“异常天体”主要涉及“外形、结构或物理状态不符合常规分类的星系”，涵盖了多种独特类型。
合并或相互作用的星系：这类星系呈现出被拉长的恒星和气体“尾巴”等奇特景象。当两个或多个星系相互靠近并发生合并或相互作用时，它们之间的引力相互作用会导致恒星和气体被拉扯，形成独特的形态。研究这类星系有助于我们了解星系的演化过程和引力相互作用对星系结构的影响。
因“引力透镜”导致光线怪异的星系：前景星系的巨大引力会弯曲更远星系发出的光，从而产生光线怪异的现象。引力透镜效应是爱因斯坦广义相对论的重要预言之一，通过研究这类星系，我们可以验证广义相对论的正确性，同时还可以利用引力透镜效应来探测宇宙中的暗物质和暗能量。
具有巨大恒星团块的星系：在星系内部出现极端集中的恒星形成区域，形成了巨大的恒星团块。这些区域是恒星诞生的摇篮，研究它们可以帮助我们了解恒星的形成机制和星系的演化过程。
“水母星系”：当星系在星系团里高速运动时，会被周围高温气体“冲刷”，导致形态像水母触手。这种独特的形态反映了星系与星系团环境之间的相互作用，研究水母星系有助于我们了解星系团的动力学和星系在其中的演化。
未知分类目标的挑战与机遇
除了上述已知类型的异常天体，其中还有几十个目标无法归入任何已知分类。这些未知目标为天文学研究带来了巨大的挑战和机遇。它们可能代表着全新的天体类型或物理现象，对它们的深入研究有望推动天文学理论的突破和发展，为我们揭示宇宙的更多奥秘。
科研意义：推动天文学发展，拓展人类认知边界
提高科研效率与准确性
AnomalyMatch AI系统的出现，极大地提高了太空异常现象的发现效率。传统的人工筛查方式不仅耗时费力，而且容易受到主观因素的影响，导致结果的不准确性。而AI系统能够快速、客观地分析大量图像数据，准确识别出异常现象，为科研人员提供了更可靠的研究对象，有助于推动天文学研究的快速发展。
开启新的研究领域与方向
发现大量异常天体，尤其是那些无法归入已知分类的目标，为天文学研究开辟了新的领域和方向。科研人员可以针对这些异常现象开展深入的研究，探索其形成机制和物理特性，从而进一步完善天文学理论体系。同时，这些研究也有助于我们更好地理解宇宙的演化过程和结构形成，拓展人类对宇宙的认知边界。

欧洲航天局的AnomalyMatch AI神经网络系统是太空探索领域的一项重大突破。它以其强大的功能和卓越的表现，为天文学研究带来了新的机遇和挑战。相信在未来，随着AI技术的不断发展和完善，我们将在太空探索中取得更多的惊人发现，揭开宇宙更多的神秘面纱。