“如何从5亿只狗里把混入的几只猫挑出来？” 紫台最新研究成果：利用机器学习“大海捞针”( 二 ) 快速射电暴（FRB）是近年来与

打了个比方，就好比在日常生活中经常需要进行“人脸识别” ，这其中就用到了机器学习方法。天文学家的工作就相当于要训练一个能从5亿多只的狗群里把几只猫挑出来的机器。当然，快速射电暴不管从形态上，还是训练样本的收集上都比猫和狗要困难。

文章图片

文章图片
来源视觉中国
筛选出81个新的快速射电暴候选体
最终，团队运用训练好的模型，从数据库里找出了81个新的快速射电暴候选体。“这次发现一次性增加了81例，不仅有了数量上的突破，并且解决了以往对于暗弱快速射电暴的搜寻难题。为大样本，大数据难题下的数据处理问题提供了一个解决方法。”张松波说，如今全球正在建设更多、更大的新的射电望远镜，中国500米口径球面射电望远镜（FAST）、澳大利亚平方公里阵探路者望远镜(ASKAP) ，以及正在建设中的平方公里阵列望远镜（SKA）都正在或即将展现更高的灵敏度，同时也将带来更为惊人的数据量。

文章图片

文章图片
银道坐标系下帕克斯望远镜观测天区的空间分布图。橙色星号展示了81个快速射电暴候选体的分布
“未来的天文观测必将是大数据的时代，人工智能则是最可行的解决方案。”张松波说，随着望远镜技术的不断发展，我们接收宇宙中信号的能力越来越强，这意味着我们所得到的数据越来越多。而天文学中的很多信号往往具有复杂的结构，靠人为设置条件筛选已经无法满足日益增长的海量数据。机器学习能够从包含复杂干扰的图片中找到来自宇宙的真实信号，极大地加速了的研究速度。

文章图片

文章图片
中国“天眼”来源视觉中国
该论文第一作者为杨轩，通讯作者是张松波和吴雪峰。此项工作得到了中澳合作项目ACAMAR博士后计划，以及国家自然科学基金委杰出青年项目和FAST专项项目等基金资助。
扬子晚报/紫牛新闻采访人员于丹丹
校对李海慧