天文爱好者与AI的协奏合作

周一 · 知古通今|周二 · 牧夫专栏

周三 · 风月同天|周四 · 观测指南

周五 · 深空探测|周六 · 茶余星话|周日 · 太空探索

翻译：甘林

校译：遠山真理

审阅：牧夫天文校对组

美编：余家劲

后台：李子琦

https://subarutelescope.org/jp/results/2024/03/13/3374.html

早稻田大学、日本国立天文台和东京大学的研究团队利用市民天文学项目“GALAXY CRUISE”的分类数据，使用深度学习算法进行了星系形态的大规模分类。他们成功地从昴星团望远镜耗时7年构建的图像数据库中，发现了40万个螺旋星系和3万个环状星系。这项成果是利用去年报道的“GALAXY CRUISE”的分类结果的第一个例子，未来预期会有更多类似的市民天文学和昴星团望远镜共同创造的研究成果陆续出现。

天文爱好者发现的螺旋星系。可以看出每个星系都有着十分清晰的螺旋结构。（来源：日本国立天文台）

宇宙中的星系社会就和地球上的人类社会一样，每个星系的形态和特性都各不相同，大小也各有参差。自从埃德温·哈勃发现除了我们所在的银河系之外还有许多其他星系以来，为了揭示这些星系多样性产生的原因，以及与星系合并和黑洞活动之间的因果关系，人们进行了许多观测和理论研究。近年随着人工智能的发展，我们已经能够高效且大规模地对星系进行分类了，这是象征着大数据天文学起步的一个重要主题。

生成式人工智能在最近备受关注，但在天文学领域，人类眼睛的分类能力仍然是非常强大的。一个代表性例子是使用昴星团望远镜的超广视场主焦点摄像机 Hyper Suprime-Cam（HSC）的大规模图像数据的市民天文学项目“GALAXY CRUISE（星系游轮）”。GALAXY CRUISE 结合了昴星团望远镜世界领先的分辨率和 HSC 的超广视野所得到的高品质图像，再加上超过一万名天文爱好者的分类结果，从而实现了高精度的星系形态分类。特别是对于诸如形成于星系碰撞合并等特殊条件下的环状结构等的罕见迹象的准确分类，天文爱好者的洞察力至关重要。

GALAXY CRUISE 的研究团队收集了约2万个天体的宝贵分类数据来训练人工智能，构建了一个能够检测星系螺旋结构和环状结构的 AI 程序。通过将这个程序应用于 HSC 的大规模探测（HSC-SSP）约7年的数据（第3期数据发布），实现了对大约70万个星系的大规模分类。其中成功检测到了约40万个螺旋星系和3万多个环状星系。

研究团队注意到，成功大量检测到了占银河总数不到5%的环状星系，这对于统计上了解信息匮乏的环状结构的形成和性质非常重要。研究团队还发现，环状星系倾向于具有中间性质，介于像银河系这样成熟的恒星形成星系（主要是螺旋星系）和恒星形成活动结束并处于衰退状态的星系（无螺旋结构的星系）之间。这与利用超级计算机进行的最新理论预测相吻合，可以说是对星系环状结构理解的一大进步。此外，这一成果使我们重新认识了科学社区中市民参与的意义，将成为天文爱好者和昴星团望远镜共同开拓未来天文学研究的新起点。

处于激烈的并合过程中的星系。这些星系的形状都发生了显著的扭曲，反映了合并的激烈程度（来源：国立天文台）

嶋川里澄准教授（早稲田大学）作为本研究的主要作者表示：“虽然利用人工智能进行分类70万天体仅需不到一小时，但如果没有 GALAXY CRUISE 在两年以上时间内收集的分类数据，本研究将无法实现。我对参与本项目的天文爱好者们深表感谢之情。我认为未来与天文爱好者合作进行的研究将会更加有趣，希望在国内能够进一步激发公众对天文学的研究热情。”

这项研究成果已于2024年1月29日刊登在日本天文学会的英文研究报告（Publications of the Astronomical Society of Japan；PASJ）上（Shimakawa et al. "GALAXY CRUISE: Spiral and ring classifications for bright galaxies at z = 0.01-0.3"）。

GALAXY CRUISE相关链接:

https://galaxycruise.mtk.nao.ac.jp/procedure.html

责任编辑：甘林

牧夫新媒体编辑部

『天文湿刻』 牧夫出品

微信公众号：astronomycn

斯蒂芬五重星系

图源: NASA, ESA, and the Hubble SM4 ERO Team

谢谢阅读