最新人工智能技术，可自动识别、分类星系和恒星

在这张哈勃太空望远镜拍摄的哈勃遗产场（Hubble Legacy Fields）图像中，有一个巨型盘状星系。

据美国“物理学组织”5月12日消息称，美国加州大学圣克鲁斯分校（UC Santa Cruz）的研究人员开发了一款强大的、名为“摩耳甫斯”（Morpheus，西方神话中的梦神）的最新计算机程序，它能够逐像素地分析天文图像数据，从而在天文调查的大数据集合中识别、分类所有的星系和恒星。

简单说来，“摩耳甫斯”是一个深度学习框架，它融合了多种为图像和语音识别等应用程序而开发的人工智能技术。相关研究结果同日刊发在《天体物理学杂志增刊》上。

加州大学圣克鲁斯分校计算天体物理学研究小组的负责人、天文学和天体物理学教授Brant Robertson介绍道：“作为人类，有些事情是超出我们能力范围的，所以我们必须想办法利用计算机来处理未来几年我们将从大型天文调查项目中获取的大量数据。”

Robertson教授的合作伙伴、加州大学旧金山分校巴斯金工程学院（UCSC's Baskin School of Engineering）计算机科学研究生Ryan Hausen在过去两年中承担了“摩耳甫斯”的开发和测试工作。他们在网上公布了该程序的源代码，并提供在线演示。

从像银河系这样的旋转圆盘星系到无定形的椭圆星系和球状星系，星系的各种形态都可以告诉天文学家星系是如何形成和演化的。大规模的天文调查会产生大量的图像数据，Robertson教授参与的规划工作就涉及如何使用这些数据来理解星系的形成和演化过程。举个例子，将在智利Vera Rubin天文台启动的“时空遗产调查”（LSST）项目，将使用32亿像素的相机每晚拍摄800多张全景照片，以每周两次的频率记录整片可见天空。

其他天文学家曾使用过深度学习技术来对星系进行分类，但之前的方法通常只涉及调整现有的图像识别算法，研究人员需要向这些算法输入了需要分类的星系图像。相比之下，Hausen专门为天文图像数据而开发的“摩耳甫斯”完全是另起炉灶，该模型直接使用天文学家采用的标准数字文件格式作为原始图像数据的输入格式。

当“摩耳甫斯”处理天空某个区域的图像时，它会生成一组关于该区域的新图像，其中所有的天体都会根据其形态学特征进行颜色编码，从而让天文物体从背景中分离出来，并识别出点源（恒星）和不同类型的星系，输出数据中包含了关于每个门类的置信水平。通过在加州大学旧金山分校的流明度超级计算机上运行，该程序可以快速生成整个数据集的逐像素分析结果。