小編的世界優質文選宇宙

還在人工觀測星空？你OUT了，自動化望遠鏡將改變天文學

字體大小：
2022年9月26日 -
：

自主運行的望遠鏡如何改變天文學
VISTA（用於天文學的可見光和紅外光探測望遠鏡），位於智利的塞羅帕拉納爾。 
照片來源: Y.貝萊茨基（智利拉斯坎帕納斯天文台） / 歐洲南方天文台
天文學家和物理學家，持續尋求宇宙最深層次問題的答案，但在許多問題上，包括暗物質和暗能量，他們都遇到了阻礙。 如果有一架自主運行的望遠鏡，摒棄人類的偏見和複雜性，它能夠解決我們一直找不到答案的難題嗎？
今天，人類操控天文台觀測天空，使觀測設備對准某個目標物；或者，更常見的是，考慮到地球運轉、天氣及其他因素的影響，在一系列希望收集到觀測數據的目標物之間移動。 科學家們現在正在思考如何使望遠鏡自主計算運行，掃描其列表清單裏的一系列目標，以優化對宇宙重大事件的搜索。 
布賴恩·諾德（費米實驗室的助理科學家）告訴美國科技博客網站Gizmodo說：“正像我們決定將駛向哪條路，或接下來讀哪本書一樣，我們關心：哪些模擬程序和觀測過程可以被參數化設置，以便自動探索我們未知的宇宙空間最深處。 ”
今天，目標列表清單，被發送到望遠鏡系統裏，這樣，計算機腳本在人類的輔助下，選擇有價值的目標、控制觀測指向。 諾德認為，這是讓望遠鏡做出更好決定的機會，甚至它可以在給定的特定坐標之外進行探測。 一架“智能”的望遠鏡，甚至可以實時應對任何意外狀況，例如：自動旋轉方向，花更多的時間去觀測，突然發生的黑洞爆發現象。 諾德已經熟悉了，利用“機器學習”技術，讓其對宇宙空間目標進行分類。 通過與其他專家的交流，他意識到，“機器學習”技術，可以成為優化科學實驗（包括優化望遠鏡性能）的一種方法。 
“這是一個具有挑戰性的難題。 ”奧爾麗.艾德倫解釋說。 她現在是美國國家加速器實驗室研究助理，她將“機器學習”技術應用於控制粒子加速器，這在一定程度上給了諾德靈感。 “地球持續旋轉，夜空在一年裏不斷的變換，同時，雲層可能在某個特定夜晚，阻礙觀測列表清單上的目標物。 ”
“如果我只看普通天氣預報，然後試圖規劃一條路徑，使之最適合在環境狀況改變後，觀測一組新目標，那就很難做到。 但如果讓人工智能機器，來做這種路徑規劃，則是非常適合的。 ”艾德倫告訴我們。 
而這，並不會讓望遠鏡操作員失去工作，——他們要維護保養、抽樣檢查望遠鏡，並確保自動程序正確運作，不會使望遠鏡失控到在其限制範圍之外運行，比如：試圖讓固定安裝的望遠鏡，觀測根本無法指向的目標源。 
但諾德不僅僅只是想自動規劃觀測天空的最有效路徑，而是考慮：如果讓天體物理學探索的整個過程實現自動化，是否可行呢？
早在2016年，諾德主持了一個合作項目，引入一種概念驗證，叫做SPOKES，即“光譜視野仿真工作流程”的縮寫。 該項目模擬預估的宇宙學參數，例如一個被稱為暗能量狀態方程的參數，它決定著宇宙的最終命運。 這包含了我們已經觀測過的關於宇宙的物理常數，以及觀測星系的儀器信息，以便推測計算參數。 從本質上說，這是一種程序機制，不僅可以模擬宇宙，還可以模擬望遠鏡和宇宙之間的相互影響。 
諾德思考添加了“機器學習”技術後，這個系統會是什麼樣子。 “機器學習”算法能夠用於生成觀察宇宙的最佳實驗配備——例如如何分配光纖以觀察不同波長的光——從而計算暗能量狀態方程。 然後，可以根據這些參數將模擬望遠鏡替換為實際望遠鏡，而這又為模擬提供新數據。 模擬將根據新收到的數據進行更新，並自動指向。 從理論上講，一旦模擬宇宙和真實宇宙？？？？，天文學家就可以看看模擬給出的暗能量狀態方程的結果。 
諾德提議了這樣一個實驗，叫做“自動宇宙學實驗”，英文簡稱：ACE，用於2019年由美國阿貢國家實驗室組建的科學市政廳人工智能。 這樣一個系統，自主產生關於宇宙在模擬中的狀態的假設，然後通過實時選擇觀測目標，來測試這些假設，他為此潛力感到興奮。 把人類的影響拋開，這樣一個系統可能會發現的新天體或關於宇宙的真相，而這些真相，也許曾因為人類的偏見或錯誤乾預，導致錯過它們。 例如，有一種眾所周知的人類固有通病，被稱為“Malmquist”偏見，它主要是說：人類更傾向於觀測某些更明亮的物體（比如星系），這導致了觀測範圍不全面。 也許自動化系統可以避免這種情況。 
盡管這樣一個完全自動化的實驗，是算法生成的虛擬領域，但它建立在人工智能和天文學之間越來越多的協同增效的基礎上。 人工智能可以對天空中的物體（如遙遠的星系和超新星）的圖像進行整理，對觀測結果預先進行分類，以便天文學家能夠很容易挑選出，僅與其工作相關的部分圖像。 科研人員已經使用“機器學習”技術，來預測一些宇宙的物理參數，並降低天空圖像中的乾擾。 普林斯頓大學的Elahesadat.納吉布領導的一個科學家團隊，設計了一種方法，即:使用“機器學習”技術，來安排即將到來的大口徑全景巡天望遠鏡的觀測，類似於諾德的自主運行望遠鏡的構想。 
“機器學習”技術的大比重參與，帶來了一些獨特的挑戰。 “算法”被認為是“黑匣子”；很難准確了解它們在做什麼、以及為什麼這樣做。 約書亞·皮克是美國空間望遠鏡研究所的副天文學家，他對美國科技博客網站Gizmodo解釋說：“僅僅是選擇要觀察的物體時，就會產生偏向，人工智能非常善於利用這一點，甚至會犯下潛在的有害錯誤。 人們對這些系統，抱持有很多可以理解的懷疑。 ”也許最大的挑戰，只是找出如何在算法上最好地表達宇宙——這需要找到有專業知識的人。 
人類永遠不會停止仰望星空，因為，完全了解我們的宇宙，是深刻在人類本性裏的一個最終目標。 但隨著望遠鏡獲取龐大的數據量，隨著科學家們繼續為宇宙最深的問題而困擾，我們顯然需要一些幫助，需要一些來自思考方式與人類稍有不同的東西的幫助。 
BY: Ryan F. Mandelbaum
FY: 椒椒
如有相關內容侵權，請在作品發布後聯系作者刪除
轉載還請取得授權，並注意保持完整性和注明出處

第頁完，請繼續朗讀下一頁。喜歡 小編的世界，請記得按讚、收藏及分享

自主運行的望遠鏡如何改變天文學

VISTA（用於天文學的可見光和紅外光探測望遠鏡），位於智利的塞羅帕拉納爾。

照片來源: Y.貝萊茨基（智利拉斯坎帕納斯天文台） / 歐洲南方天文台

天文學家和物理學家，持續尋求宇宙最深層次問題的答案，但在許多問題上，包括暗物質和暗能量，他們都遇到了阻礙。如果有一架自主運行的望遠鏡，摒棄人類的偏見和複雜性，它能夠解決我們一直找不到答案的難題嗎？

今天，人類操控天文台觀測天空，使觀測設備對准某個目標物；或者，更常見的是，考慮到地球運轉、天氣及其他因素的影響，在一系列希望收集到觀測數據的目標物之間移動。科學家們現在正在思考如何使望遠鏡自主計算運行，掃描其列表清單裏的一系列目標，以優化對宇宙重大事件的搜索。

布賴恩·諾德（費米實驗室的助理科學家）告訴美國科技博客網站Gizmodo說：“正像我們決定將駛向哪條路，或接下來讀哪本書一樣，我們關心：哪些模擬程序和觀測過程可以被參數化設置，以便自動探索我們未知的宇宙空間最深處。”

今天，目標列表清單，被發送到望遠鏡系統裏，這樣，計算機腳本在人類的輔助下，選擇有價值的目標、控制觀測指向。諾德認為，這是讓望遠鏡做出更好決定的機會，甚至它可以在給定的特定坐標之外進行探測。一架“智能”的望遠鏡，甚至可以實時應對任何意外狀況，例如：自動旋轉方向，花更多的時間去觀測，突然發生的黑洞爆發現象。諾德已經熟悉了，利用“機器學習”技術，讓其對宇宙空間目標進行分類。通過與其他專家的交流，他意識到，“機器學習”技術，可以成為優化科學實驗（包括優化望遠鏡性能）的一種方法。

“這是一個具有挑戰性的難題。”奧爾麗.艾德倫解釋說。她現在是美國國家加速器實驗室研究助理，她將“機器學習”技術應用於控制粒子加速器，這在一定程度上給了諾德靈感。“地球持續旋轉，夜空在一年裏不斷的變換，同時，雲層可能在某個特定夜晚，阻礙觀測列表清單上的目標物。”

“如果我只看普通天氣預報，然後試圖規劃一條路徑，使之最適合在環境狀況改變後，觀測一組新目標，那就很難做到。但如果讓人工智能機器，來做這種路徑規劃，則是非常適合的。”艾德倫告訴我們。

而這，並不會讓望遠鏡操作員失去工作，——他們要維護保養、抽樣檢查望遠鏡，並確保自動程序正確運作，不會使望遠鏡失控到在其限制範圍之外運行，比如：試圖讓固定安裝的望遠鏡，觀測根本無法指向的目標源。

但諾德不僅僅只是想自動規劃觀測天空的最有效路徑，而是考慮：如果讓天體物理學探索的整個過程實現自動化，是否可行呢？

早在2016年，諾德主持了一個合作項目，引入一種概念驗證，叫做SPOKES，即“光譜視野仿真工作流程”的縮寫。該項目模擬預估的宇宙學參數，例如一個被稱為暗能量狀態方程的參數，它決定著宇宙的最終命運。這包含了我們已經觀測過的關於宇宙的物理常數，以及觀測星系的儀器信息，以便推測計算參數。從本質上說，這是一種程序機制，不僅可以模擬宇宙，還可以模擬望遠鏡和宇宙之間的相互影響。

諾德思考添加了“機器學習”技術後，這個系統會是什麼樣子。“機器學習”算法能夠用於生成觀察宇宙的最佳實驗配備——例如如何分配光纖以觀察不同波長的光——從而計算暗能量狀態方程。然後，可以根據這些參數將模擬望遠鏡替換為實際望遠鏡，而這又為模擬提供新數據。模擬將根據新收到的數據進行更新，並自動指向。從理論上講，一旦模擬宇宙和真實宇宙？？？？，天文學家就可以看看模擬給出的暗能量狀態方程的結果。

諾德提議了這樣一個實驗，叫做“自動宇宙學實驗”，英文簡稱：ACE，用於2019年由美國阿貢國家實驗室組建的科學市政廳人工智能。這樣一個系統，自主產生關於宇宙在模擬中的狀態的假設，然後通過實時選擇觀測目標，來測試這些假設，他為此潛力感到興奮。把人類的影響拋開，這樣一個系統可能會發現的新天體或關於宇宙的真相，而這些真相，也許曾因為人類的偏見或錯誤乾預，導致錯過它們。例如，有一種眾所周知的人類固有通病，被稱為“Malmquist”偏見，它主要是說：人類更傾向於觀測某些更明亮的物體（比如星系），這導致了觀測範圍不全面。也許自動化系統可以避免這種情況。

盡管這樣一個完全自動化的實驗，是算法生成的虛擬領域，但它建立在人工智能和天文學之間越來越多的協同增效的基礎上。人工智能可以對天空中的物體（如遙遠的星系和超新星）的圖像進行整理，對觀測結果預先進行分類，以便天文學家能夠很容易挑選出，僅與其工作相關的部分圖像。科研人員已經使用“機器學習”技術，來預測一些宇宙的物理參數，並降低天空圖像中的乾擾。普林斯頓大學的Elahesadat.納吉布領導的一個科學家團隊，設計了一種方法，即:使用“機器學習”技術，來安排即將到來的大口徑全景巡天望遠鏡的觀測，類似於諾德的自主運行望遠鏡的構想。

“機器學習”技術的大比重參與，帶來了一些獨特的挑戰。“算法”被認為是“黑匣子”；很難准確了解它們在做什麼、以及為什麼這樣做。約書亞·皮克是美國空間望遠鏡研究所的副天文學家，他對美國科技博客網站Gizmodo解釋說：“僅僅是選擇要觀察的物體時，就會產生偏向，人工智能非常善於利用這一點，甚至會犯下潛在的有害錯誤。人們對這些系統，抱持有很多可以理解的懷疑。”也許最大的挑戰，只是找出如何在算法上最好地表達宇宙——這需要找到有專業知識的人。

人類永遠不會停止仰望星空，因為，完全了解我們的宇宙，是深刻在人類本性裏的一個最終目標。但隨著望遠鏡獲取龐大的數據量，隨著科學家們繼續為宇宙最深的問題而困擾，我們顯然需要一些幫助，需要一些來自思考方式與人類稍有不同的東西的幫助。

BY: Ryan F. Mandelbaum

FY: 椒椒

如有相關內容侵權，請在作品發布後聯系作者刪除

轉載還請取得授權，並注意保持完整性和注明出處