一種名為“深度學習”(deep learning)的機器學習方法已經被廣泛應用於人臉識別和其他圖像和語音識別應用程序中，它在幫助天文學家分析星系圖像和理解它們如何形成和演化方面也有卓越表現。
研究人員在《天體物理學雜誌》上發表了一篇論文，在一項新的研究中，研究人員用計算機模擬了星系的形成來訓練一種深度學習算法，這一算法在分析哈勃太空望遠鏡的星系圖像時表現得出奇的好。
研究人員利用模擬的輸出來生成模擬星系的模擬圖像，他們將通過哈勃太空望遠鏡觀察觀測結果。模擬圖像被用來訓練深度學習系統，以識別在模擬中識別出的星系演化的三個關鍵階段。然後，研究人員給了系統一組實際的哈勃圖像來進行分類。
結果顯示，在模擬和真實的星系中，神經網絡的分類具有明顯的一致性。
一種“深度學習”的算法，通過對宇宙模擬的圖像進行訓練，令人驚訝地成功地將哈勃圖像中的真實星系分類。
第一排:來自一個年輕的星系的計算機模擬的高分辨率圖像經歷了三個演化階段(在“藍核”階段之前、期間和之後)。中間行:從計算機模擬的一個年輕星系的三個發展階段的圖像，就像哈勃太空望遠鏡觀察到的那樣。
下面一行:哈勃太空望遠鏡拍攝到的遙遠年輕星系的圖像，它們被一種經過訓練的深度學習算法所分類，該算法可以識別星系演化的三個階段。每幅圖像的寬度約為10萬光年。
“我們並不指望它會成功。但事實上它真的很強大，”共同作者喬爾·普里馬克說，他是加州聖克魯斯大學聖克魯斯粒子物理研究所(SCIPP)的物理學名譽教授。“我們知道這些模擬有侷限性，所以我們不想提出太多的要求。”但我們不認為這只是僥倖。
星系是複雜的現象，在數十億年的演化過程中改變了它們的外觀，而星系的圖像只能提供時間的快照。天文學家們可以更深入地觀察宇宙，從而“回到時間”去看早期的星系(因為它需要光的時間才能到達宇宙的距離)，但是隨著時間的推移，隨著時間的推移，單個星系的演化只可能在模擬中出現。將模擬星系與觀測到的星系進行比較，可以揭示出真實星系的重要細節及其可能的歷史。
閱讀更多 人工智能與機器人 的文章
