机器学习在“恒星托儿所”的研究中取得突破

人工智能可以让人们看到以前无法看到的天体物理现象。现在，来自法国国家科学研究中心(CNRS)、爱尔兰皇家科学院(IRAM)、巴黎天文台(Observatoire de Paris-PSL)、马赛中央理工学院(Ecole Centrale Marseille)和里尔中央理工学院(Ecole Centrale Lille)的科学家在ORION-B项目中共同证明了这一点。在2020年11月19日发表在《天文学与天体物理学》上的三篇系列论文中，他们展示了迄今为止在最接近地球的恒星形成区域之一进行的最全面的观测。

恒星诞生和进化的气体云是物质极其丰富的广大区域，因此在物理过程中也是如此。所有这些过程在不同的大小和时间尺度上交织在一起，使得我们几乎不可能完全理解这样的恒星托儿所。然而，ORION-B项目的科学家们现在已经表明，统计和人工智能可以帮助打破仍然挡在天体物理学家道路上的障碍。

猎户座分子云是离地球最近的恒星形成区域之一，猎户座b团队为了提供迄今为止最详细的分析，在其队伍中加入了专门从事大量数据处理的科学家。这使得他们能够开发基于统计学习和机器学习的新方法来研究在24万频率的光下对云的观察。

基于人工智能算法，这些工具可以从大量数据中检索新的信息，例如在猎鹰- b项目中使用的数据。这使得科学家们能够发现“猎户座”分子云的一些特征。

例如，他们能够发现某些分子发出的光与以前无法获得的信息之间的关系，即云中氢的数量和自由电子的数量，他们能够在不直接观察的情况下通过计算来估计这些信息。通过分析所有可用的数据，研究小组也能够通过消除一些不必要的信息来确定进一步改进观察的方法。

“猎户座b”小组现在希望通过应用所获得的估计和建议，并在真实条件下对其进行验证，从而将这一理论工作付诸实践。另一个主要的理论挑战将是提取关于分子速度的信息，从而可视化物质的运动，以便看到它是如何在云内运动的。