宇宙空间太阳系_AI与深度学习，将助力天文学家，探索更广袤的宇宙空间！

星系团是宇宙中最巨大的构造之一，尽管星系团有数百万光年的宽度，但却很难被发现。 兰开斯特大学的研究者向人工智能寻求帮助，开发了“Deep- cee”(用于银河团的提取和评价的深度学习)。 这是一种新的深度学习技术，可以加快银河团的发现。 兰开斯特大学博士生Matthew Chan将于2019年7月4日下午3时45分在英国皇家天文学会国家天文学会议的天体物理学机器学习部展示这项研究成果。

宇宙的大部分银河都生活在被称为“场”的低密度环境中，或者作为包含我们银河和仙女银河的群体存在。 星系团虽然稀少，但代表着银河能够生存的最极端的环境，正在研究它有助于理解暗物质和暗能量。 20世纪50年代，星团的先驱者，天文学家乔治·阿贝尔( George Abell )，用肉眼寻找星团，用放大镜和照片板定位，花了很长时间。 Abell手动分析了约2000张照片胶卷，寻找了银河团的视觉特征。

详细阐述了银河密集地区的天文坐标，其研究成果是在北半球发现星系团的《Abe目录》。 Deep-CEE是Abel以识别星系团的方法设立的，但它被训练为用人工智能模型代替这个天文学家“观察”彩色图像，识别星系团。 这是人脑通过激活特定的神经元来模仿识别物体的方法的基于神经网络的最先进的模型。 训练人工智能，并且重复出现图像中已知的已标记物体的示例。

在算法能够掌握自己的相关物体之前，为了测试该算法在包含许多其他天体的图像中识别和分类星系团的能力进行了初步研究。 研究人员已经成功将Deep-CEE应用于慢速数字巡航计划，最终在革命性巡航计划中运行模型，如大型气象观测望远镜( LSST )，以探索在宇宙中未曾探索过的更广、更深的地区。 新的尖端望远镜使天文学家能够比以往更广阔、更深入地观察。

例如，研究宇宙的大规模构造，描绘了很多宇宙中未被发现的东西。 通过自动化发现过程，科学家能够快速扫描一系列图像，以最小的人际关系回到正确的预测，今后需要对数据进行分析。 即将到来的LSST天空调查(将于2021年上线)将描绘整个南半球的天空，预计每天晚上将产生15 TB的数据。 像深度学习这样的数据挖掘技术有助于分析现代望远镜的巨大输出，研究人员也希望能找到科学上从未见过的数千个星系团。