去年，騰訊與國家天文台正式啟動「探星計劃」，經過一年的合作，騰訊日前在滬首次披露「探星計劃」進展，迄今騰訊雲+AI已助力中國天眼FAST找到22顆脈衝星。相關專家在接受採訪時詳解了尋找脈衝星的難點，主要體現在處理速度、小樣本、及噪音干擾等幾方面。
騰訊雲副總裁、騰訊優圖實驗室總經理吳運聲在世界人工智能大會·騰訊論壇上透露，優圖AI天體探索方案已從巡天觀測數據中找到22顆脈衝星，其中包括在天體物理中具有較高觀測研究價值的高速自轉的毫秒脈衝星7顆，具有間歇輻射現象的年老脈衝星6顆。此外，優圖動態譜AI模型還首次探測到了某磁陀星射電脈衝。探索宇宙的腳步將持續向前，今年騰訊與國家天文台共同開啟對M31仙女座星系的射電信號處理，這也是天文界對該星系中脈衝星類緻密天體的最深度完整探測。
騰訊優圖實驗室研究總監汪鋮傑在滬接受採訪時，進一步解釋了尋找脈衝星的難點所在，首當其衝即是對處理速度的要求。「FAST信號收到後，我們轉換成一張圖，據統計，各個空間裏要搜索3000萬到1個億張圖，才能找到一顆脈衝星，」汪鋮傑說，「如果三張圖或者300張圖裏，就能發現一顆脈衝星，對速度的要求就沒有那麼高，而現在是要處理3000萬到1億張圖，所以對處理速度要求很高。」
其次是小樣本的問題。汪鋮傑表示，人工智能發展許多年，基於大數據的學習，在很多領域解決了很多問題，但在天文領域恰好相反。「雖然我們在處理百億規模的數據，但實際上，可供學習的有效樣本很少，例如到現在為止，我們可能用於學習的真脈衝星量級僅約100的規模。」
此外噪音干擾亦對算法構成挑戰。「因為信號過來，並不是說有脈衝星的時候有脈衝，其他地方就非常平靜，宇宙裏面也有一些干擾的噪音，這不是脈衝星發出的，但是也有很高的相似性，算法如何去區分這種脈衝星和疑似脈衝星，也是比較關鍵的一個挑戰點。所以我簡單總結就是三個，處理速度，小樣本的學習問題，還有就是噪音干擾下的學習問題。」
「基於優圖實驗室計算機視覺技術、騰訊雲領先的計算及存儲能力，用（騰訊）雲+AI幫助中國天眼FAST處理每天接收到的龐大數據，並通過視覺AI分析找到脈衝星線索，在同等算力下處理效率提高了120倍，」吳運聲透露。據悉，騰訊將聯合國家天文台等共同推出「尋找宇宙心跳」——脈衝星演唱會，讓更多人能「近距離」聆聽宇宙的聲音，探索AI+脈衝星的神秘旅程。
今次世界人工智能大會上，騰訊展示了AI平台建設、產業應用、行業研究的最新成果。在吳運聲看來，隨着數字技術與實體經濟加速融合，人工智能的發展不再局限於算力、算法、數據等方面的技術突破，而是從行業應用、社會需求的角度逐漸深入。
（點新聞記者章蘿蘭 上海報道）
收藏
取消收藏
分享
