卡内基梅隆大学启动新计划使用AI驱动天文学发展

人工智能（AI）正在快速重塑科学家探索宇宙的方式——将海量数据转化为曾经遥不可及的发现。在卡内基梅隆大学，一项新倡议将汇集AI、统计学和天体物理学专家，加速这一转变。

西蒙斯（Simons）基金会支持下，Keystone天文与AI（KAAI）访问学者项目将通过一项国际指导博士后计划，加速AI在宇宙学和天文学研究中的应用。KAAI学者将参与在McWilliams宇宙学与天体物理学中心为期一个月的驻留，每位访问学者配对两位导师——一位天体物理学专家，一位AI或统计学专家——共同攻克天文学与机器学习交叉领域的高影响力问题。

每次驻留以一个实践工作坊收尾，向更广泛的社区分享软件、数据集和工作流程。该计划旨在培养一批既精通天体物理学又精通现代机器学习的全球互联研究者群体，同时在这个数据丰富的科研环境中加速发现。

该计划还为卡内基梅隆的研究生提供了有意义的机会，他们与访问学者合作，贡献共享工具和工作流程，并在将AI应用于天体物理学前沿问题中获得直接经验。

"AI正在改变我们研究科学的方式，而天文学将是其影响最先、最快被感受到的领域，"McWilliams中心主任、该项目首席研究员Tiziana Di Matteo表示，"通过KAAI学者计划，我们将McWilliams中心的跨学科优势转化为一个全球培训引擎——让访问学者与我们的机器学习和天体物理团队合作，开发能够推动该领域发展和改变科研方式的方法。"

McWilliams中心促进卡内基梅隆物理系、计算机科学学院、统计与数据科学系（SDS）、软件工程研究所以及合作机构之间的协作，包括匹兹堡超级计算中心和匹兹堡大学物理与天文学系。该计划优势的关键在于McWilliams中心、机器学习系、SDS以及物理科学统计方法研究中心（STAMPS）之间深度的跨学科合作，它们的综合专业能力构成了KAAI跨学科模式的骨干。

McWilliams研究人员正在开发所需的数据科学工具，将海量信息流处理成科学突破，推动天体物理学发展，并在AI、成像和地球数据基础设施等领域实现新技术。

KAAI学者计划将在未来三年内支持六位访问学者，每人驻留一个月。申请将于今年春季晚些时候开放。访问学者将因整合AI与理论和计算天体物理学的项目入选，特别是在大规模模拟、计算建模和数据密集型分析等领域。通过为每位学者配备双重卡内基梅隆导师，该计划促进了领域科学家与AI专家之间的深度跨学科合作。

Barnabás Póczos，卡内基梅隆机器学习系副教授，将担任该计划的AI和机器学习主任。作为McWilliams中心成员，Póczos与其他教员、博士后研究员和研究生在共享代码、数据和计算工具方面展开合作。

"看到新开发的机器学习方法正在改变我们做科学的方式，令人兴奋，"Póczos说，"尤其是在天体物理学中，这些工具正在重塑我们探索海量复杂数据集的方式，使我们能够提取微弱信号、识别稀有有趣的事件、加速科学模拟，并以前所未有的规模检验物理理论。通过用数据驱动的发现增强人类直觉，机器学习有潜力大幅加速我们对宇宙的理解，揭示原本会隐藏的现象。"

卡内基梅隆机器学习系与McWilliams宇宙学中心有着悠久的密切合作历史，结合了机器学习、统计推断和大规模计算的专业知识，以及天体物理学的深厚领域知识。这些持续的合作伙伴关系在机器学习和宇宙学交叉领域创造了有影响力的协作研究，并继续在推动物理科学数据驱动发现方面发挥核心作用。

学者们离开该项目时将拥有将可信赖AI应用于天体物理学前沿领域的实践体验，以及延伸至天文学之外的持久联系。该奖学金的核心组成部分是知识传播。每次访问结束时，每位KAAI学者将共同组织为期一周的实践工作坊，展示天文学前沿AI方法。这些工作坊将帮助加速新工具在国际研究社区中的采用，确保先进方法传播到项目或机构之外。

这些工作坊专为最大化影响力而设计，还将培养一个精通将前沿技术应用于宇宙基本问题的全球研究者网络。

"我们正在努力发展一个AI与天文相关子领域的国际专家全球社区，"Di Matteo说，"在西蒙斯基金会支持下，工作坊将汇聚机器学习和天文学专家，推动该领域向前发展。"