世界各地的科学家正准备研究詹姆斯韦伯太空望远镜拍下的第一批图像,图像内容计划在今年7月12日正式发布。
部分天文学家尝试以拍摄数据为基础运行机器学习算法,希望以前所未有的详细程度检测并分类深空星系。美国加州大学圣克鲁斯分校天体物理学教授Brant Robertson认为,詹姆斯韦伯太空望远镜拍摄的图像中一定包含突破性内容,将帮助我们深入了解宇宙如何在约137亿年前逐渐形成。
Robertson在采访中表示,“詹姆斯韦伯太空望远镜发回的数据令人兴奋,它为我们提供了前所未有的红外宇宙观测窗口,其分辨率也终于让我们梦想成真。”为了参与研究,Robertson协助开发了Morpheus机器学习模型。经过训练,该模型能够认真研究像素,并从深空背景下挑选出模糊的斑点状物体,判断这些结构是否属于星系;如果是,又属于哪种类型。
该软件将作为COSMOS-Webb项目的一部分,这也是詹姆斯韦伯太空望远镜首年运行中规模最大、最具雄心的研究计划。Robertson和一支由近50名研究人员组成的团队,将共同调查宇宙背景下的约50万个星系,从中寻找那些最古老、已经完全演变的星系,希望探索星系结构孕育出恒星后,暗物质是如何随着时间推移活动的。在Morpheus软件的支持下,整个过程将可自动执行。
利用哈勃太空望远镜2003年至2012年拍摄下的各单独照片,最终得出的合成图像。
Robertson和他的同事还不断更新Morpheus以适应詹姆斯韦伯太空望远镜发回的数据。他在采访中解释道,“我们现在已经引入了注意力机制,能够在一次分析中对更大的图像区域进行分类,从而将速度提升约100倍。新的Morpheus不仅比之前更快,而且对大型图像的分类可靠性也有提升。”
他还提到,Morpheus软件的最新版本还提供新的图像处理功能,例如通过去重合功能分离出太空中相互重叠的天体。
面对詹姆斯韦伯太空望远镜带来的比以往更宽泛、更深邃的宇宙视野,这些功能也将发挥重要作用,而且每张图像都将包含着更多肉眼无法分辨的精密结构。Morpheus初步通过NASA哈勃太空望远镜提供的7600张星系图像进行训练,Robertson认为后续还需要对模型进行重新训练,才能确保它更好地适应詹姆斯韦伯望远镜的新数据。
他表示,“我们会先试着在不重新训练的情况下,直接用原始Morpheus模型分析詹姆斯韦伯望远镜数据,再把结果跟之前对哈勃图像的分析性能进行比较。”
“由于詹姆斯韦伯望远镜数据的红外波长范围更广,而且点扩散函数(也就是通过望远镜光学系统呈现出的恒星视觉)与哈勃望远镜不同,所以我们很可能需要根据詹姆斯韦伯望远镜数据重新训练Morpheus。”
Morpheus模型将在加州大学圣克鲁斯分校的Lux超级计算机上运行。这台计算机配备80个纯CPU计算节点,每个节点包含两块20核英特尔Cascade Lake至强处理器;外加28个纯GPU节点,每个节点包含两块英伟达V100 GPU。Robertson指出,“在拿到数据之后,Lux只需要几天时间就能让Morpheus在所有詹姆斯韦伯望远镜图像上完成训练。”
作为一台全球睽违已久的超级科学设备,价值100亿美元的詹姆斯韦伯望远镜终于在去年圣诞节期间发射升空。而在今年2月正式启动拍摄之前,地面控制部门又花了几个月时间对其复杂的18镜系统进行校准。
好文章,需要你的鼓励
关注IT支出的朋友可能发现一个悖论:用于支持生成式AI的基础设施开销正在迅速提升,英伟达收入与利润两路狂飙的现实已经清楚证明了这一点。然而数据中心硬件层面的总支出并没有发生太大变化,且目前来看支出的主要增长点将集中在服务领域,其更多是为了减轻其他类型的工作、而非指望生成式AI独力支撑起销售预期。
一种基于人工智能(AI)的新策略正显著加快为帕金森病发现潜在新药的速度。这项发表在《自然化学生物学》杂志上的研究,可能意味着帕金森病新疗法将更快进入临床阶段并与患者见面。
如今的医生们仍背负着很多沉重且劣质的技术债务,这些技术不仅没有积极作用、甚至不能算是有价值的资产。我们绝不能让这样的情况重演,特别是不能在AI时代下重演。为此,美国医学会于2023年11月发布了一套AI开发、部署与使用原则,旨在回应我们从医生和公众那里收集到的担忧和疑虑。