科学家将人工智能用于星系识别，效果出奇的好！

一种名为“深度学习”(deep learning)的机器学习方法已经被广泛应用于人脸识别和其他图像和语音识别应用程序中，它在帮助天文学家分析星系图像和理解它们如何形成和演化方面也有卓越表现。

研究人员在《天体物理学杂志》上发表了一篇论文，在一项新的研究中，研究人员用计算机模拟了星系的形成来训练一种深度学习算法，这一算法在分析哈勃太空望远镜的星系图像时表现得出奇的好。

研究人员利用模拟的输出来生成模拟星系的模拟图像，他们将通过哈勃太空望远镜观察观测结果。模拟图像被用来训练深度学习系统，以识别在模拟中识别出的星系演化的三个关键阶段。然后，研究人员给了系统一组实际的哈勃图像来进行分类。

结果显示，在模拟和真实的星系中，神经网络的分类具有明显的一致性。

一种“深度学习”的算法，通过对宇宙模拟的图像进行训练，令人惊讶地成功地将哈勃图像中的真实星系分类。

第一排:来自一个年轻的星系的计算机模拟的高分辨率图像经历了三个演化阶段(在“蓝核”阶段之前、期间和之后)。中间行:从计算机模拟的一个年轻星系的三个发展阶段的图像，就像哈勃太空望远镜观察到的那样。

下面一行:哈勃太空望远镜拍摄到的遥远年轻星系的图像，它们被一种经过训练的深度学习算法所分类，该算法可以识别星系演化的三个阶段。每幅图像的宽度约为10万光年。

“我们并不指望它会成功。但事实上它真的很强大，”共同作者乔尔·普里马克说，他是加州圣克鲁斯大学圣克鲁斯粒子物理研究所(SCIPP)的物理学名誉教授。“我们知道这些模拟有局限性，所以我们不想提出太多的要求。”但我们不认为这只是侥幸。

星系是复杂的现象，在数十亿年的演化过程中改变了它们的外观，而星系的图像只能提供时间的快照。天文学家们可以更深入地观察宇宙，从而“回到时间”去看早期的星系(因为它需要光的时间才能到达宇宙的距离)，但是随着时间的推移，随着时间的推移，单个星系的演化只可能在模拟中出现。将模拟星系与观测到的星系进行比较，可以揭示出真实星系的重要细节及其可能的历史。