中科院上海天文台团队获突破性成果
1.“任搜无限制搜索器”🤜色综久久综合久久电影🥎 ㊙️【点击直接进入-在线观看无需下载】强奸乱伦片制服丝袜🈚️🐨 🌦 2.“邪恶广告gif番号”🐄259luxu 315 磁力🕙 🛐【点击直接进入-在线观看无需下载】草 草久在线免费👌🦉 🍾 3.“丁香色猫是什么颜色”👌岛国微拍xo电影视频🥋 🧐【点击直接进入-在线观看无需下载】藤木静子全套番号📛🍖 🌑 4.“玉米视频观看”🐗神田作品番号🐟 🙄【点击直接进入-在线观看无需下载】www.妈妈的朋友.com🕣🦓 👈
中科院上海天文台团队获突破性成果
人工智能破解天文大数据应用研任搜无限制搜索器究领域“老大难”
记者日前从中国科学院上海天文台获悉，上海天文台研究员葛健带领的国际团队通过人工智能的深度学习方法，对国际斯隆巡天三期释放的类星体光谱数据进行了微弱信号搜寻和数据分析，发现了极其稀少的107例宇宙早期星系内的冷气体云块成分的关键探针中性碳吸收体。相关研究成果于今年5月15日发表在国际天文学顶级期刊《皇家天文学会月报》上。
研究团队分析发现，早在宇宙约30亿年的演化早期（目前宇宙的年龄已有约138亿年），这些携带了中性碳吸收体探针的早期星系已经过了快速物理和化学演化进入介于大麦哲伦矮星系和银河系之间的物理和化学演化状态。本次工作的研究方法与成果对探索星系如何形成和演化提供了新的研究方式，也充分显现了人工智能在天文海量数据中探寻微弱信号的广泛应用潜力和前景。
研究冷气体和尘埃对剖析星系形成和演化至关重要，中性碳吸收线可作为有效探针来跟踪气体和尘埃成分。而这些中性碳吸收线的信号微弱且稀少，需要在海量的类星体光谱数据中才能找到。该团队采用人工智能的深度学习方法，设计神经网络，生成基于实际观测的中性碳吸收线特征的大量仿真样本去训练深度学习神经网络，并使用这些被“训练好”的深度学习神经网络在斯隆巡天三期释放的数据中搜寻中性碳吸收体。该团队通过上述方式发现了稀少的107例宇宙早期星系内的冷气体云块成分的关键探针——中性碳吸收体。该研究获得的样本数是此前获得的最大样本数的近两倍之多，并探测到更多比以前更微弱的信号。
该研究发现较多冷气体的中性碳吸收体，并将这些光谱叠加到一起，直接测量尘埃吸附导致的部分金属丰度缺失。结果表明，在宇宙只有约30亿年的年龄时，这些携带中性碳吸收体探针的早期星系已经过快速物理和化学演化，进入介于大麦哲伦矮星系和银河系之间的物理和化学演化状态。此时，大量金属产生，同时部分金属被吸附到尘埃上，产生可观测到的尘埃红化结果。这验证了近期詹姆斯·韦伯太空望远镜在宇宙最早的恒星中探测到类似钻石的碳尘埃的新发现，预示着部分星系的演化比预期要快得多，挑战了现有的星系形成和演化模型。区别于詹姆斯·韦伯太空望远镜通过星系发射光谱来开展研究工作，该工作通过观测类星体的吸收光谱来研究早期星系，这将为未来宇宙和星系早期演化研究提供全新的技术手段。