帮天文学家“大海捞针”,人工智能有了新办法( 二 )


龙潜研究员和尔欣中教授团队此番训练的这个卷积神经网络,可以充分利用GPU进行并行加速,通过装备更多或更强的GPU,系统可以根据实际需要极大提升搜索速度和效率 。
“这个神经网络的训练,主要使用模拟数据,只使用了很少的人工标注数据,由于模拟数据可以任意生成,因此多样性远大于人工标注数据,进一步根据数据的特点调节训练参数和训练算法,使神经网络的泛化能力得到了极大的提高 。 ”龙潜说,此外,研究人员使用新型科学计算语言Julia完全自定义网络结构,由于Julia语言兼具速度和灵活性,使得神经网络在CPU和GPU上都有良好的性能,并且可以任意切换,因此非常有利于研究人员实时修改、训练和测试 。
“我们还通过对引力透镜数据的研究,定制了有针对性的小型网络,有效地抑制了过拟合现象,同时实验证明该网络具有与大型网络相似的准确率 。 相比大型网络,小型网络在普通计算机终端就可以训练和测试,不需要依赖大型GPU集群,这为天文工作者使用和改进网络提供了便利 。 ”龙潜说 。
目前,随着技术与装备水平快速发展,人工智能在天文学上的应用还会越来越多 。 “我们计划对一些变源的多波段光变曲线来进行机器的快速分类,这样在实施大样本巡天的时候,电脑可以自动对所发现的变源进行筛选,并对我们感兴趣的天体做出提示,以便进一步开展后续研究工作 。 ”尔欣中说,正因为人工智能的帮助,天文研究者得以从耗时单调的数据筛查分析中解脱出来,当人力“大海捞针”难以招架之日,正是人工智能大显身手之时 。 (赵汉斌 通讯员 陈艳)

推荐阅读