科學家用AI將56萬個星系進行細緻分類 圖像精確度97.5%

2020-08-14 參考消息

據《西班牙日報》網站8月12日報導，日本國立天文臺的科學家利用人工智慧（AI）技術對遙遠宇宙的近56萬個星系進行了細緻分類，依據是昴星團望遠鏡捕捉到的超廣角圖像。科學家們通過圖像尋找S形旋渦星系、Z形旋渦星系和非旋渦星系。

事實上，僅依靠人力對如此多的信息進行處理和分類是難以實現的。報導稱，能完成如此浩大的工程得益於深度學習算法的使用，這種AI技術通過模仿人的學習能力並分析大量數據進行工作。

深度學習是機器學習的一個分支，其使用的算法更加先進。與AI領域經常使用的傳統算法不同，深度學習「職員」能處理更多數據，且能更快積累經驗。

要處理如同日本天文學家獲取的浩繁數據，深度學習無疑是最佳選擇。在這種技術的幫助下，研究人員基於昴星團望遠鏡捕捉到的圖像實現了對星系的精確分類。

近年來，基於深度學習算法的自動化處理技術快速發展，其應用涉及安全攝像頭、自動駕駛汽車、機器人等領域，使用這種技術來處理數量和規模如此之大的天文圖像還是第一次。

日本研究人員的主要目的是利用AI技術將旋渦星系與非旋渦星系區分開來。旋渦星系讓天文學家捉摸不透，有人認為這種星系較為複雜，極有可能存在生命，畢竟我們生存的銀河系就是旋渦星系。

報導稱，使用深度學習技術處理遙遠宇宙的56萬個星系圖像保證了近乎完美的精確度：97.5%。到目前為止，天文學家已識別出近8萬個旋渦星系。

隨著時間推移和積累數據的增多，深度學習算法的經驗更加豐富，也變得更加「聰明」。科學家相信，在這種技術的幫助下，識別新的星系形態、細化星系分類將成為可能。進一步了解遙遠宇宙可能是未來有趣研究發展的第一步。（編譯/廖思維）

來源：參考消息網

相關焦點

  • 人工智慧開始用於太空實驗，發現56萬個「星系」？
    天文學家將ai人工智慧使用於斯巴魯望遠鏡拍攝的遙遠宇宙超寬視場圖像，而且在這些圖像中實現了特別高的發現及分類螺旋星系的精度，這項技術和公民科學相結合，有希望在未來產生許多的發現，一個重要由來自日本國立天文臺NAOJ天文學家組成的研究小組，日本國立天文臺的科學家利用人工智慧ai技術對於遙遠宇宙的近56萬個星系進行了細緻分解，根據是昴星團望遠鏡查看過的超廣角圖像。
  • 準確率高達97.5%：天文學家利用人工智慧，識別出56萬個星系
    天文學家將AI人工智慧應用於斯巴魯望遠鏡拍攝的遙遠宇宙超寬視場圖像，並在這些圖像中實現了非常高的發現和分類螺旋星系的精度，這項技術與公民科學相結合，有望在未來產生更多的發現。56萬個星系。事實上，使用人類準備的訓練數據，人工智慧成功地對星系形態進行了分類，準確率為97.5%。然後，將訓練好的人工智慧應用於全部數據集，它在大約8萬個星系中識別出螺旋形，其研究發表《皇家天文學會月刊》上。
  • 1500萬個標記圖像、2萬多個分類!如今的AI圖像分類器還是「睜眼瞎」
    ImageNet是一個幫助計算機識別圖像、用於視覺對象識別軟體研究的大型可視化資料庫。ImageNet以指出圖片中的對象為目的，手動注釋了超千萬的圖像URL，並且為其做了至少包含2萬多個分門別類。類別細分至如典型的「氣球」、「草莓」等。且至少在一百萬個圖像中，提供了邊界框。
  • 最新哈勃圖像:含26.5萬個星系,歷史追溯133億年前
    這張宇宙圖像被稱為「宇宙最大、最全面的歷史書籍」，該圖像以及一段望遠鏡鏡頭縮放視頻，涵蓋了26.5萬個星系，歷史可追溯至133億年前。北京時間5月10日消息，據國外媒體報導，近日，美國宇航局最新發布一張令人難以置信的宇宙馬賽克圖像，它是由哈勃太空望遠鏡過去16年拍攝的近7500張照片拼湊而成。這張宇宙圖像被稱為「宇宙最大、最全面的歷史書籍」，該圖像以及一段望遠鏡鏡頭縮放視頻，涵蓋了26.5萬個星系，歷史可追溯至133億年前。
  • 迄今最大三維星系圖像覆蓋3/4天空
    來源：科技日報科技日報訊 (記者劉霞)據物理學家組織網日前報導，美國夏威夷大學馬諾阿分校天文學研究所(IfA)天文學家，使用「全景巡天望遠鏡和快速反應系統」(PS1)提供的數據，製作出了迄今最大的恆星、星系和類星體三維天文圖像目錄。該團隊進行的測量是迄今全球最大的深度多色光學測量，覆蓋四分之三的天空。研究人員稱，這一目錄未來有望催生出更多宇宙學新發現。
  • 迄今最大三維星系圖像——覆蓋3/4天空
    據物理學家組織網日前報導，美國夏威夷大學馬諾阿分校天文學研究所（IfA）天文學家，使用「全景巡天望遠鏡和快速反應系統」（PS1）提供的數據，製作出了迄今最大的恆星、星系和類星體三維天文圖像目錄。該團隊進行的測量是迄今全球最大的深度多色光學測量，覆蓋四分之三的天空。
  • 天文學家製作出迄今最大的恆星、星系和類星體三維天文圖像目錄
    天文學家製作出迄今最大的恆星、星系和類星體三維天文圖像目錄White/STScI / University of Hawaii at Manoa）（神秘的地球uux.cn報導）據科技日報（劉霞）：物理學家組織網日前報導，美國夏威夷大學馬諾阿分校天文學研究所（IfA）天文學家，使用「全景巡天望遠鏡和快速反應系統」（PS1）提供的數據，製作出了迄今最大的恆星、星系和類星體三維天文圖像目錄。
  • Serverless 架構下 Python 輕鬆搞定圖像分類
    簡介： 本文將會通過一個有趣的 Python 庫，快速將圖像分類的功能搭建在雲函數上，並且和 API 網關結合，對外提供 API 功能，實現一個 Serverless 架構的「圖像分類 API」。前言圖像分類是人工智慧領域的一個熱門話題。通俗解釋就是，根據各自在圖像信息中所反映的不同特徵，把不同類別的目標區分開來的圖像處理方法。
  • ai在真實的精確度上其實還有待檢驗
    在國內，deepfake泛濫已經達到上升到了一種民事侵權的高度，刑事上則只要查到是人工製作的，就處以非法侵入他人住宅，拘留5天以下的刑事處罰。舉幾個例子吧用ai的照片來冒充黃曉明用ai的圖片來冒充歐巴馬用ai的圖片來冒充美國總統用ai的圖片來冒充黑人金星的圖片是我用人工智慧做的中國新華社的一條新聞，人工智慧可以模仿熊貓的腮紅。
  • 吳博:目標檢測集成框架在醫學圖像 AI 輔助分析中的應用 | AI 研習...
    近日，在雷鋒網 AI 研習社公開課上，深圳市宜遠智能科技有限公司負責人吳博剖析了目標檢測已有的框架，重點分享如何對目標檢測框架進行改造，以便在醫學圖像分析中產生更好的效果。公開課回放視頻網址：http://www.mooc.ai/open/course/559?
  • AI助天文學家尋找星系:像素尺度分析,誤報率僅0.09%
    這項研究成果發表在5月12日的《天體物理學雜誌增刊》（Astrophysical Journal Supplement Series）。據論文介紹，在處理天空某一區域的圖像時，「墨菲斯」會生成一副新的圖像。圖中，算法模型根據形態對天體進行顏色編碼，將其與背景分離，識別出恆星和不同類型的星系。
  • 替換一下同義詞,AI就把句子意思弄反了|華人研究者揭示NLP模型脆弱性
    麻省理工和香港大學的研究生們開發了一個算法，讓AI在文本分類和推理問題上的正確率從80%下降到10%。測試原理這個模型的名字叫Textfooler，通過生經過微調的句子，來對自然語言文本分類和推理進行攻擊。比如在著名的分類任務影評判斷中，AI的任務是去判斷一句影評是肯定性的還是否定性的。
  • 解讀| 如何用進化方法優化大規模圖像分類神經網絡?
    作者：Angulia Chao參與：Joni、侯韻楚、高振讓機器具備生物一樣的進化能力一直是計算機科學的一個熱門研究領域，今年三月份，谷歌的多位研究者提出了一種圖像分類器的大規模進化方法，機器之心也曾報導過這項研究，參閱：《深度 | 谷歌和 OpenAI 新研究：如何使用達爾文進化論輔助設計人工智慧算法？》。
  • 10張最奇怪的哈勃圖像，神秘金色巨龍叱吒縱橫5個星系！
    阿貝爾370聚集了數百個星系，每個星系都有幾百億到幾千億顆恆星，以及質量更多的暗物質，因而產生了巨大的引力場，形成強大的引力透鏡，可以將後面的天體扭曲放大。這條鱗光閃閃，叱吒飛騰的神秘金色「巨龍」，實際是阿貝爾370星系團後面的一個螺旋星系，在星系團強大的引力透鏡下被扭曲成5幅圖像，拉伸放大後連在了一起，所以其長度實際橫跨了5個星系的寬度，這才是真正的巨龍！
  • 零基礎入門深度學習(六):圖像分類任務之LeNet和AlexNet
    02 圖像分類概述圖像分類是根據圖像的語義信息對不同類別圖像進行區分，是計算機視覺中重要的基礎問題，是物體檢測、圖像分割、物體跟蹤、行為分析、人臉識別等其他高層次視覺任務的基礎。上一節主要介紹了卷積神經網絡常用的一些基本模塊，本節將基於眼疾分類數據集iChallenge-PM，對圖像分類領域的經典卷積神經網絡進行剖析，介紹如何應用這些基礎模塊構建卷積神經網絡，解決圖像分類問題。
  • 10張最奇怪的哈勃圖像,神秘金色巨龍叱吒縱橫5個星系!
    橫跨5個星系的金色巨龍這是哈勃太空望遠鏡在40億光年外的阿貝爾370星系團中發現的神秘金色巨龍，美國宇航局（NASA）暱稱其為The Dragon。阿貝爾370聚集了數百個星系，每個星系都有幾百億到幾千億顆恆星，以及質量更多的暗物質，因而產生了巨大的引力場，形成強大的引力透鏡，可以將後面的天體扭曲放大。
  • 手把手教你用PyTorch實現圖像分類器(第一部分)
    如果你正在考慮學習機器學習或人工智慧，你將不得不做類似的項目，並理解本系列文章中介紹的概念。文章主要進行概念上的解釋，不需要知道如何編寫代碼。此外，下面所包含的PyTorch細節是次要的，主要以PyTorch作為示例。這個過程的第一步是加載一個pre-trained神經網絡。
  • 天文學家新發現100萬個星系
    來源：環球科學圖片來源：CSIRO以往的射電巡天計劃一般需要數年才能完成，但是澳大利亞平方千米陣探路者（ASKAP）僅用兩周就完成了其第一次大規模巡天任務，並將其巡天數據公布在其資料庫上。本次南天的射電巡天圖像靈敏度和解析度分別是先前巡天計劃的5倍和2倍，並發現了大約100萬個新的星系。ASKAP去年2月投入使用，由36個蝶形天線組成，每個口徑12米，分布在澳大利亞西部瓦加裡人的領地上，天線之間最遠間隔6千米。以往對於幾天到幾個月內天體的射電屬性變化難以追蹤，而ASKAP為速度而建，可以定期尋訪目錄中證認的300萬個星系，檢測其變化。
  • 換一下同義詞,AI就把句子意思弄反|華人研究者揭示NLP模型脆弱性
    麻省理工和香港大學的研究生們開發了一個算法，讓AI在文本分類和推理問題上的正確率從80%下降到10%。測試原理這個模型的名字叫Textfooler，通過生經過微調的句子，來對自然語言文本分類和推理進行攻擊。比如在著名的分類任務影評判斷中，AI的任務是去判斷一句影評是肯定性的還是否定性的。
  • 天文學家剛剛繪製了100萬個以前未知的星系
    在使用無線電波對南方天空進行的最詳細的調查中，天文學家已經在銀河系之外繪製了大約一百萬個以前未被發現的星系。快速ASKAP連續測量（或RACS）已將CSIRO的澳大利亞SKA探路者射電望遠鏡（ASKAP）測量得出的星系牢牢地置於國際天文學星圖上。