|
剛從國家天文臺的老同學(xué)處聽來一個小道消息，說他們跟騰訊合作，使用騰訊的人工智能算法和GPU算力，提升了在FAST望遠鏡（中國天眼）數(shù)據(jù)中搜尋脈沖星的效率，并且已經(jīng)藉此發(fā)現(xiàn)了新的脈沖星。 騰訊使用的具體方法目前還沒有公布，具體發(fā)現(xiàn)的是什么樣的脈沖星也要等論文發(fā)了才知道，不過這不妨礙我們根據(jù)已經(jīng)歷年來已經(jīng)公開的材料，做一番猜測。 在此之前，我會先簡單回顧脈沖星研究的意義，以及簡單介紹脈沖星的搜索方法。如果對這些背景已經(jīng)有所了解，就可以直接跳到第三部分，看看人工智能是如何應(yīng)用在脈沖星搜索中的。 脈沖星研究的意義脈沖星是1967年，當(dāng)時正在劍橋大學(xué)讀研究生的約瑟琳·貝爾女士發(fā)現(xiàn)的。雖然已經(jīng)過去了50多年，脈沖星仍然是一個不斷給人驚喜的研究領(lǐng)域。 它一被發(fā)現(xiàn)，首先就證實了一個遙遠的猜測：1934年，巴德和茲維基在中子剛剛發(fā)現(xiàn)兩年之際，提出可能存在一種完全由中子構(gòu)成的天體——中子星。  而發(fā)出極短周期（通常小于1秒）脈沖的這種新天體，提示我們它就是「中子星」這種此前僅僅是猜想的致密物體。 中子星的質(zhì)量比太陽還重，而直徑只有十幾公里。相當(dāng)于在北京三環(huán)以內(nèi)集中了幾十萬個地球質(zhì)量。于是一個首當(dāng)其沖的問題就是，這么致密的物質(zhì)組成的天體，其上物質(zhì)的狀態(tài)和性質(zhì)是怎樣的？ 這個問題的答案就藏在脈沖星的“心電圖”中。長期監(jiān)測我們會發(fā)現(xiàn)，隨著轉(zhuǎn)動能量的消耗，脈沖星的自轉(zhuǎn)周期逐漸減慢。但是偶爾，它的自轉(zhuǎn)會突然有一個小幅加速（“glitch”）——這種脈沖星“心率”的突變，應(yīng)當(dāng)起源于脈沖星地質(zhì)結(jié)構(gòu)的突變，也就是脈沖星上的“地震”。  就像地球物理學(xué)家可以通過地震波的傳播摸清地球核、幔、殼的結(jié)構(gòu)，天文學(xué)家也可以通過監(jiān)測脈沖星上的地震，研究極端致密物態(tài)組成的中子星的結(jié)構(gòu)。  除了glitch的時候以外，脈沖星的周期非常穩(wěn)定，堪比原子鐘。于是脈沖星研究的另一個用途，是利用這種宇宙中天然存在的精密時鐘，對廣義相對論進行驗證。 天文學(xué)家對一對兒在1974年發(fā)現(xiàn)的毫秒脈沖星進行長期監(jiān)測，發(fā)現(xiàn)其相互繞轉(zhuǎn)周期加速的趨勢，完全符合廣義相對論的預(yù)言——它們之間不斷相互接近，正是由于兩個致密天體繞轉(zhuǎn)時攪動時空，發(fā)出引力波，不斷帶走轉(zhuǎn)動能量。這是人類第一次獲得引力波存在的間接證據(jù)。  將來，脈沖星還將以另一種方式為引力波研究做出貢獻：當(dāng)宇宙中某個地方發(fā)生雙黑洞并合之類的引力波事件，引力波如海嘯般向外擴散、掃過若干脈沖星，我們原則上可以通過監(jiān)測這些脈沖星的周期變化，探知這次引力波事件的存在——這一方法，叫做“脈沖星計時陣列”。 脈沖星陣列還有另一個用途：在未來的星際旅行中，脈沖星可以充當(dāng)“星際GPS”，為星際飛船提供導(dǎo)航所需的參考信號。  脈沖星的搜索方法脈沖星用處很多，但總要先找到它們，才談得上如何利用。 對于早期發(fā)現(xiàn)的那些亮脈沖星，它們輻射強度的周期性變化，用肉眼就能直接看出：  但對于大部分脈沖星而言，單個脈沖的強度很弱，幾乎完全埋沒在噪聲中，只有通過按照周期折疊，讓噪聲彼此抵消，才能增強信噪比，把脈沖形狀“露出來”。  但是問題來了，對于尚未發(fā)現(xiàn)的脈沖星，怎么知道它周期是多少、又該按什么周期折疊呢？ 有一個辦法，就是傅立葉變換。通過變換，可以計算出數(shù)據(jù)有哪些周期性信號。  對于射電天文觀測，還有另外一個復(fù)雜性。脈沖星跟我們之間，可能充斥著非常復(fù)雜的電離態(tài)星云。  脈沖星的信號經(jīng)過這些星云時，會跟其中的自由電子發(fā)生相互作用。不同頻段的信號受到的影響不同：比較低頻的，會受到比較強的“阻滯”，晚一些到達觀測者；比較高頻的，會早一些到達觀測者。 就像光通過棱鏡時，由于不同顏色的光在玻璃中光速不同、折射率不同，會產(chǎn)生的色散現(xiàn)象一樣，電磁波通過星際介質(zhì)時的這種效應(yīng)，也被稱作“色散”。  對于未知的脈沖星，我們是無法預(yù)知其色散的。我們只能大致估計出銀河系內(nèi)脈沖星的色散的數(shù)值范圍，然后在這個范圍內(nèi)以一定間隔取值，對數(shù)據(jù)進行“盲”消色散。盲消色散之后的結(jié)果，才能進行傅立葉變換及按周期折疊。 顯然，在取值范圍內(nèi)眾多可能的色散中，正確的那個色散可以給出最好的信噪比；而越離譜的盲猜值，信噪比就越差：  使用脈沖星搜尋程序PRESTO，我們可以對脈沖星巡天的原始數(shù)據(jù)進行盲消色散和折疊處理，得到一系列（大量）這樣的脈沖星候選體分析圖表： 原則上觀察這樣的脈沖星候選體分析圖表，天文學(xué)家就可以判斷出一組信號是否來自脈沖星；以及如果是脈沖星的話，它的周期、色散量等各項參數(shù)是多少。 人工智能在脈沖星搜索中的應(yīng)用下面問題來了。PRESTO產(chǎn)生了一大堆這樣的圖，天文學(xué)家就算再熟練，一秒看一張，也看不過來呀！ 畢竟脈沖星巡天是FAST望遠鏡的重要任務(wù)之一，而FAST每天可以產(chǎn)生500TB的數(shù)據(jù)，算下來每周都會產(chǎn)生三千萬張脈沖星候選體的分析圖表。 你想想如果你導(dǎo)師讓你這個小博士生一周看三千萬張圖，100個你不吃不喝啥也不干也看不過來呀。 咋辦呢？笨辦法，雇一幫熱愛科學(xué)的高中生代勞，美名其曰公眾科學(xué)： 美國 Pulsar Search Collaboratory 項目就是這么干的。 這樣做不是不行，順便搞搞中學(xué)生天文教育也是好事。但人一多，標準就不好把控。而且人眼的特征識別能力雖然強，對于特別弱的信號，仍然會有遺漏和誤判。 于是天文學(xué)家開始求助于人工智能。 大而化之，人工智能在脈沖星搜索中的應(yīng)用又分兩種[1]： 一種，是天文學(xué)家先用PRESTO等軟件把脈沖星候選體的特征數(shù)據(jù)提取好，諸如周期、色散量、信噪比，再如脈沖在整個周期中占的比例（占空比）、脈沖的數(shù)量和形狀、是否由于身處雙星系統(tǒng)而有周期性多普勒效應(yīng)，等等。 接下來，把這些參數(shù)組合喂給神經(jīng)網(wǎng)絡(luò)：給機器提供一些已知脈沖星的參數(shù)進行深度學(xué)習(xí)，然后用訓(xùn)練好的模型去分析海量未知數(shù)據(jù)。 由于前一種方法中，提取參數(shù)這一步可能引入誤差，還有一種更“懶惰”而有效的方法：直接把PRESTO產(chǎn)生的那幾張圖（前一節(jié)末圖中幾個紅框標記的）喂給AI，讓AI自己進行畫面特征提取。 這次跟國家天文臺中國天眼團隊合作的是騰訊優(yōu)圖實驗室，這是一個聚焦計算機視覺、專注圖像處理的團隊，因此我有理由相信，他們采用的是后一種方案。 另外據(jù)本人獨家采訪參與該工作的研究人員，騰訊云還提供了強大的GPU算力，有效加速了消色散和折疊過程。面對FAST的海量數(shù)據(jù)，強大的算力顯然也是天文學(xué)家必不可少的重要工具。 在騰訊的AI算法和GPU算力加持下，3000萬張圖，只需要3天時間就可以分析完成，確保了FAST脈沖星巡天數(shù)據(jù)可以得到及時有效的處理。 有這樣的工業(yè)界先進技術(shù)加持，天文學(xué)家再也不怕數(shù)據(jù)處理不完啦。 參考
|
|
|
