合肥海拔网络科技有限公司

合肥APP开发公司小编表示在过去为了寻找引力透镜所需要的模拟以及数据处理都十分麻烦，数十位科学家花费了很久的时间才只能勘察到一小块空间图像。物理模拟则需要数十亿个计算时间，占用数兆字节的磁盘空间！
现在，天文学家可以用CosmoGAN分析大得多的天区，速度也更快。
CosmoGAN不是唯一取得进展的天文学深度学习神经网络。比如多伦多大学利用深度学习技术解析月球陨石坑的卫星图像，P8超级计算机的神经网络在仅仅几个小时内发现6000个新的陨石坑，是过去几十年中人类发现陨石坑数量的2倍。伊利诺伊大学厄巴纳-香槟分校利用深度学习来探测和分析黑洞碰撞的引力波。AI在天文学遍地开花。
数据太多，没机器玩不转
过去几年里，天文领域的大多数方向都在尝试使用人工智能。考虑到天文学要处理的数据之多，这是一个很自然的思路。让机器练习去分析蛛丝马迹，不如此，未来的天文学将无法运转。
不久前举办的2019年GPU技术大会吸引了全世界的人工智能学者。大会请来加州大学圣克鲁兹分校的天文学家布兰特·罗伯特森演讲，他指出：“天文学正在一场新的数据革命的风口”。罗伯特森认为，新一代天文仪器必须配合由深度学习驱动的新一代软件。
比如预计在3年后运行的大口径全天巡视望远镜（LSST）。它巡视南天那一半宇宙中的370亿个星系，生成一部时长十年的不间断视频。LSST配备的是32亿像素的相机，每晚产生25TB的数据，相当于现在先进天文望远镜一生贡献的所有数据。
再比如平方公里阵列射电望远镜（SKA）。它遍布全球，一部分天线在非洲南部8国部署，还有100多万天线位于澳大利亚和新西兰。它的原始数据每天达到5千个PB，处理后也有50个PB左右。
“暗能量巡天”编制几亿个星系的星图；“盖亚”卫星测绘银河系数十亿恒星；“兹威基”项目每小时能够扫描3750平方度的天区。在中国，FAST每天的数据量将达150TB；郭守敬望远镜观测了901万条光谱，是世界上最大的天体光谱库……
2018年底的一篇报道显示，谷歌人工智能发力，从开普勒系外行星观测数据库里找到了新的行星。行星是很难寻找的。位于太空的开普勒卫星观察145000颗类似太阳的恒星，从恒星亮度微弱变化来发现行星。记录4年的数据中，包括大约35000个疑似的行星记录。天文学家用机器结合人眼来识别，但最暗最弱的信号常被忽略。
在谷歌AI的帮助下，我们发现了开普勒90i和开普勒80g两颗新行星。也让开普勒90被确认为第一个至少拥有8颗行星的外星系。