科學家利用深度學習分析了來自SDSS-III的類星體光譜數據，成功探測到107個罕見的中性碳吸收體，為早期星系演化提供了新的見解。他們的方法可能會改變天文學家利用人工智慧研究宇宙的方式，對詹姆斯-韋伯太空望遠鏡等其他研究工具起到補充作用。

地面上的史隆數位巡天望遠鏡捕捉到了大量來自早期宇宙的類星體光譜。經過訓練的人工智慧深度神經網路首次在這些類星體光譜數據中發現了由早期星系冷介質產生的創紀錄的弱中性碳吸收線探測器。

最近，研究人員利用深度學習神經網路在斯隆數位巡天III（SDSS-III）計畫發布的類星體光譜數據中搜尋罕見的弱訊號。透過引入一種探索星系形成和演化的新方法，研究小組展示了人工智慧（AI）在識別天文大數據中罕見弱訊號方面的潛力。這項研究最近發表在《英國皇家天文學會月刊》（Monthly Notices of the Royal Astronomical Society）上，由中國科學院上海天文台葛健教授領導的國際團隊完成。

來自宇宙中帶有塵埃的冷氣體的”中性碳吸收線”是研究星系形成和演化的重要探測器。然而，中性碳吸收線的訊號很弱，而且極為罕見。天文學家一直在努力使用傳統的相關方法在大質量類星體光譜資料集中探測這些吸收線。

“這就像大海撈針。”葛健教授說。 2015年，在SDSS早先發布的數萬顆類星體光譜中發現了66個中性碳吸收體，這是獲得的樣本數量最多的一次。

在這項研究中，葛教授團隊根據實際觀測數據，設計並訓練了大量模擬中性碳吸收線樣本的深度神經網路。透過將這些訓練有素的神經網路應用於SDSS-III數據，研究團隊發現了107個極其罕見的中性碳吸收體，比2015年獲得的樣本數量翻了一番，並探測到了比以前更多的微弱訊號。

透過堆疊眾多中性碳吸收體的光譜，研究團隊大大提高了探測各種元素豐度的能力，並直接測量了塵埃造成的氣體中金屬損失。研究結果表明，這些含有中性碳吸收器探測器的早期星系經歷了快速的物理和化學演化，當時宇宙的年齡只有大約30億年（目前宇宙的年齡為138億年）。這些星係正在進入大麥哲倫雲（LMC）和銀河系（MW）之間的演化狀態，產生了大量金屬，其中一些金屬結合成塵埃粒子，導致了觀測到的塵埃變紅效應。

這項發現獨立地證實了詹姆斯-韋伯太空望遠鏡（JWST）最近的發現，該望遠鏡在宇宙中最早的恆星中探測到了類似鑽石的碳塵，這表明一些星系的演化速度比以前預期的要快得多，對現有的星系形成和演化模型提出了挑戰。

與透過星系發射光譜進行研究的JWST 不同，這項研究透過觀測類星體的吸收光譜來研究早期星系。應用訓練有素的神經網路來尋找中性碳吸收體，為未來研究宇宙和星系的早期演化提供了新的工具，是JWST 研究方法的補充。

“有必要開發創新的人工智慧演算法，能夠快速、準確、全面地探索海量天文數據中罕見的微弱訊號。」葛教授說。團隊的目標是將這項研究中引入的方法推廣到圖像識別中，透過提取多種相關結構來創建人工”多結構”圖像，從而實現對微弱圖像信號的高效訓練和檢測。

編譯來源：ScitechDaily