计算机程序学会像人类一样对星系进行分类

哈勃太空望远镜拍摄的阿贝尔星团照片显示了星系类型的多样性，包括星团中心的一个巨大椭圆星系、右下角的一个美丽螺旋，以及显示各种形状、大小和颜色的众多星系系统。

一种以人脑为模型的计算机算法已经学会了如何识别从螺旋星系到椭圆星系的不同星系类型，现在可以帮助有血有肉的观星者完成对数十亿星系进行分类的艰巨任务。

据英国伦敦大学学院和剑桥大学的科学家称，机器学习代码已被证明足够可靠，90%的时间与人类对星系的分类一致。

这将有助于天文学家跟上斯隆数字巡天和银河动物园等观测项目的星系图像洪流。已知宇宙中数十亿个星系包括各种形状，如螺旋星系、椭圆星系、棒星系和不规则星系。

剑桥大学天文学家Manda Banerji说：“目前正在建造的下一代望远镜将在未来几十年内对数亿甚至数十亿个星系进行成像。”“数字太多了，每一张图像都无法用肉眼进行研究。”

对星系类型进行分类是理解星系起源和演化的第一步。

在在线星系动物园项目中，超过25万人帮助天文学家对6000万个星系进行了分类。天文学家随后使用星系动物园分类来训练他们的计算机算法，即人工神经网络，作为学习识别星系类型过程的一部分。

人工神经网络可以分析灾难性物理物体的形状、大小和颜色等不同变量之间的复杂关系，然后得出合适的星系类型。这个过程模仿了生物中的生物神经网络。

天文学家首先对GalaxyZoo项目中斯隆数字巡天的75000个天体物理物体进行了计算机算法训练，然后测试了其对100万个物体进行分类的能力。他们还篡改了算法使用的加权参数，以便最终达到90%的成功率。

存在一些局限性。例如，该算法存在错误分类红色螺旋和蓝色椭圆的问题，因为这些物体的例子太少，算法无法获得良好的读数。

这项研究发表在《皇家天文学会月报》上，也没有包括难以简单分类的星系合并等中介物体。

尽管如此，即使是有限的自动分类方法也应该被证明对淹没在星系图像和数据中的天文学家有用。最近的一次天体普查甚至发现，天文学家低估了大约90%的遥远星系的数量。

伦敦大学学院的天体物理学家Ofer Lahav说：“虽然人眼在识别模式方面非常有效，但当我们开始突破可观测宇宙的边界，探测更远的星系时，能够再现这种行为的聪明计算技术至关重要。”“这项研究是朝着这个方向迈出的重要一步。”