宇宙中的星系数量远超任何人的预期,而且它们似乎在一夜之间全部涌现出来。
2022年,詹姆斯·韦伯太空望远镜(JWST)传回首批图像时,布兰特·罗伯逊与他的同事们做了天文学家一贯会做的事:凝视星空,试图理解眼前所见。只不过这一次,映入眼帘的"星空"是以TB为单位计量的海量数据。
"星系无处不在,"罗伯逊回忆道,"数量之多、距离之远,令我们真的感到震惊。"
罗伯逊是加州大学圣克鲁兹分校的天文学与天体物理学教授,他带领的研究团队专注于探索宇宙大爆炸后最早期星系的形成过程。
这正是"春季天文日"活动所致力推广的科学方向。得益于他的团队公开发布的数据集,任何有意在今年这一天参与探索的人,都能以几年前无法企及的深度去了解宇宙的早期面貌。
过去数年间,他的团队曾多次打破"已知最遥远星系"的记录,每一次突破都将人类的观测视野推向更接近宇宙初始之光的边界。
若没有如此规模的计算能力支撑,这些数据将只会不断堆积,无从处理。
观测的局限,需要依靠计算来弥补。当年哥白尼用数学解决了观测中的矛盾,如今罗伯逊用的是计算模型。
詹姆斯·韦伯太空望远镜是有史以来发射升空的最强大天文观测设备,能够捕捉红外光,接收那些历经逾130亿年漫长旅程才抵达地球的光线。每一张深场图像中密布着数十万个星系,其中一些已有130亿年的历史。
数据的丰富,恰恰成为了最大的难题。
"这些数据集规模庞大、结构复杂,根本无法靠人工逐一分析,"罗伯逊表示,"即便是专家团队,完成现在几天内就需要完成的工作,也可能需要耗费数年时间。"
Q&A
Q1:詹姆斯·韦伯太空望远镜观测到的星系数据有多大?
A:詹姆斯·韦伯太空望远镜传回的数据量以TB为单位,每一张深场图像中密布着数十万个星系,部分星系距今已有逾130亿年历史。数据规模如此庞大,即便是专家团队也无法通过人工方式完成分析,必须借助大规模计算能力才能在合理时间内处理完毕。
Q2:罗伯逊团队在早期星系研究方面取得了哪些成果?
A:布兰特·罗伯逊带领的团队过去数年间多次打破"已知最遥远星系"的记录,每次突破都将人类的观测极限推向更接近宇宙诞生初期的位置。此外,该团队还将相关数据集公开发布,供公众和研究人员自由探索宇宙早期面貌。
Q3:为什么分析詹姆斯·韦伯太空望远镜的数据需要用到大规模计算?
A:詹姆斯·韦伯太空望远镜产生的数据规模极大、结构极为复杂,人工分析根本无法跟上数据产出的速度。据罗伯逊表示,若依靠专家团队手动处理,完成目前几天内必须完成的任务可能需要数年时间,因此高性能计算是处理这些天文数据不可或缺的工具。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。