夏威夷的Pan-STARRS望远镜。图片：夏威夷大学

夏威夷大学马诺阿天文学研究所（IfA）的一个由天文学家组成的研究小组，通过人工智能神经网络，创建了有史以来最全面的恒星，星系和类星体的天文影像目录。

夏威夷大学马诺阿天文学研究所（IfA）的天文学家小组在2016年发布了一份包含30亿天体的目录，其中包括恒星、星系和类星体（超大质量黑洞的活动核心）。不用说，解析这个包含2 pb数据的庞大数据库是一项不适合人类的任务。2016年目录发布的主要目标是更好地描述这些遥远的光斑，并绘制出星系在所有三维空间的排列。借助机器学习的强大功能，Pan-STARRS团队现在可以从待办事项列表中检查这些项目。他们的工作结果已发布在《皇家天文学会月刊》上。

他们的PS1望远镜位于夏威夷毛伊岛的哈雷卡勒山顶，能够扫描天空的75%，根据夏威夷大学发布的新闻稿，它目前拥有世界上最大的深多色光学测量。相比之下，斯隆数字天空调查（SDSS）只覆盖了25%的天空。

距离为1.5到30亿光年的星系的宇宙密度图。图片：夏威夷大学

为为了给计算机提供一个参照系，并教它如何区分天体类别，研究小组求助于公开的光谱测量。这项研究的主要作者、IfA前宇宙学博士后罗伯特·贝克（ Robert

Beck）在新闻稿中解释说，这些物体的颜色和大小是以百万计的。

贝克说:“利用最先进的优化算法，我们使用近400万个光源的光谱训练集来训练神经网络预测光源类型和星系距离，同时校正银河系尘埃造成的光消失。”

这些培训课程效果很好；随后的神经网络在对物体进行分类时表现出色，对星系而言成功率为98.1％，，恒星成功率为97.8%，类星体成功率为96.6%。该系统还测定了与星系的距离，这些距离最多仅相差约3％。据夏威夷大学称，由此产生的成果是“世界上最大的恒星，星系和类星体三维天文影像目录”。

“这幅美丽的宇宙地图提供了一个示例，说明了Pan-STARRS大数据集的力量是如何与人工智能技术和互补观测相结合的，” 团队成员、研究合著者肯尼斯·钱伯斯解释说。“随着Pan-STARRS收集越来越多的数据，我们将使用机器学习来提取更多关于近地天体、太阳系、银河系和宇宙的信息。”

新的目录是由国家科学基金会（National Science Foundation）提供的，它可以通过Mikulski太空望远镜档案馆公开获取。该数据库的大小为300G，可以通过多种格式访问，包括可下载的计算机可读表。

这次调查已经产生了一些有趣的科学成果，包括对太空中一个被称为“冷点”的令人毛骨悚然的区域的解释。利用PS1望远镜和美国宇航局的广域勘测探索者卫星，Pan-STARRS的科学家们发现了一个巨大的超空间，正如夏威夷大学5年前描述的那样，这是一个“横跨18亿光年的巨大区域，其中星系的密度远低于已知宇宙中通常的密度”。研究人员称，就像在宇宙微波背景中看到的那样，正是这种超空间产生了冷点。

更新后的地图还将用于研究宇宙的整体几何，以进一步检验我们关于标准宇宙学模型的理论，并分析古代星系以及许多其他天文学和宇宙学研究途径。