5月15日，國際天文學權威期刊《皇家天文學會月報》刊登了相關研究成果。

研究過程藝術示意圖。（中國科學院上海天文臺供圖）

據葛健介紹，宇宙冷氣體和塵埃中的“中性碳吸收體”，是研究星系形成和演化的重要探針。但中性碳吸收線的信號微弱且極其稀少，需要在海量的類星體光譜數據中才能找到，使用傳統的搜尋方法耗時費力，如同“大海撈針”。

研究團隊通過使用人工智能的深度學習方法，設計神經網絡，生成基于實際觀測的中性碳吸收線特征的大量仿真樣本，去訓練深度學習神經網絡，并使用這些被“訓練好”的深度學習神經網絡，在國際斯隆數字巡天項目第三期釋放的數據中搜尋“中性碳吸收體”。

通過這一創新方法，研究團隊很快發現了107例宇宙早期星系內的冷氣體云塊有“中性碳吸收體”。這一樣本數是此前獲得的最大樣本數的近兩倍，且探測到了更多比以前更微弱的信號。

發現了這么多冷氣體的“中性碳吸收體”，研究團隊把這些光譜疊加到一起，極大提高了探測各種金屬元素豐度的能力，并能直接測量塵埃吸附導致的部分金屬豐度缺失。

研究結果表明，早在宇宙只有約30億年的年齡時（宇宙現在的年齡為約138億年），這些攜帶“中性碳吸收體”探針的早期星系，已經過了快速物理和化學演化，進入了介于大麥哲倫矮星系和銀河系之間的物理和化學演化狀態，產生了大量的金屬，同時部分金屬被吸附到塵埃上，產生觀測到的“塵埃紅化”結果。

“我們這一發現，獨立驗證了近期詹姆斯·韋伯太空望遠鏡首次在宇宙最早的恒星中，探測到類似鉆石的碳塵埃的新發現，預示部分星系的演化比預期要快得多，這將對現有的星系形成和演化模型形成挑戰。”葛健說。

業內專家認為，此項研究是人工智能在天文大數據領域應用的一次重要突破。人工智能深度學習方法，在多領域圖像識別以及微弱信號探測中，具有巨大的應用價值和潛力。未來，有望在海量的天文數據中挖到更多的“寶貝”。

關鍵詞：