圖片來源@視覺中國
如何從3000萬到1億個圖中快速找到一顆脈沖星？
或許只能交給AI了。
在剛剛過去的2022世界人工智能大會（WAIC）上，一個消息不脛而走——在過去一年時間里，復(fù)旦大學(xué)池明旻教授科研團隊發(fā)現(xiàn)了22顆脈沖星。除了助力中國探星之路再進(jìn)一步，這件事的意義還在于，該項目將人工智能與天文學(xué)跨領(lǐng)域融合，在脈沖星模型算法方面取得了突出成果。
脈沖星被認(rèn)為是浩瀚宇宙中的“燈塔”，由于其規(guī)律性的脈沖信號可作為宇宙導(dǎo)航器而得名，是宇宙中磁場最強的天體，具有非常高的天文學(xué)研究價值。自1967年脈沖星被英國射電天文學(xué)家發(fā)現(xiàn)以來，人類一直沒有停止對脈沖星的探索，并且搜尋脈沖星的科研方法也在不斷升級。
2016年，中國位于中國貴州黔南的500米口徑球面射電望遠(yuǎn)鏡（Five-hundred-meter Aperture Spherical radio Telescope，F(xiàn)AST）投入試運行，作為全球范圍內(nèi)最大的射電望遠(yuǎn)鏡，F(xiàn)AST對于脈沖星的研究發(fā)現(xiàn)具有關(guān)鍵作用。
從搜尋脈沖星的整個鏈路看來，FAST主要解決了脈沖星的信號收集問題，后續(xù)在通過專業(yè)的天文軟件對信號做圖形轉(zhuǎn)化的預(yù)處理上需要耗費龐大的計算資源。預(yù)處理完成后，天文科研工作者需要從預(yù)處理生成的上億張圖片中完成脈沖星的特征比對，從而找到潛在的脈沖星。
據(jù)池明旻教授介紹，因為FAST是公共的科技基礎(chǔ)設(shè)施，其帶領(lǐng)的天文科研團隊每周只能申請到500TB的FAST數(shù)據(jù)給到脈沖星搜索項目，但這500TB的數(shù)據(jù)經(jīng)過預(yù)處理之后會產(chǎn)生3000-1億張圖片，以往從這近1億張圖片中尋找脈沖星，可能需要1-2個科研工作者花上一年時間完成，是個非常大的工程。
數(shù)據(jù)量大只是其一，更難的一點在于，脈沖星的現(xiàn)有樣本量較少。自FAST啟用以來，中國發(fā)現(xiàn)的脈沖星一共有600多顆，池明旻團隊用于訓(xùn)練AI模型的樣本則更少，也只有100顆左右。正是囿于這一局限，國家天文臺此前已有的脈沖星AI篩選模型準(zhǔn)確率有很大提升空間。
兩大難點，讓發(fā)現(xiàn)脈沖星這件看起來非?？岬氖虑轱@得并不那么性感。
池明旻教授坦言，項目剛開始也有超算平臺可以選擇，但是算力平臺往往只提供算力，在技術(shù)上鮮有支持。“超算平臺的使用需要投入非常多的技術(shù)人員，但是在校學(xué)生都不太擅長。”她描述當(dāng)時的情況。
轉(zhuǎn)機發(fā)生在2021年前后，彼時騰訊優(yōu)圖從基礎(chǔ)研究到產(chǎn)業(yè)落地的戰(zhàn)略正在全面鋪開，亟需尋找產(chǎn)業(yè)場景。了解到池明旻的關(guān)于脈沖星的科研項目后，騰訊優(yōu)圖與其取得了聯(lián)系。后來，雙方于極短的時間內(nèi)在脈沖星項目上一拍即合，并在2021年7月的WAIC上宣布了“探星計劃”。
“騰訊團隊技術(shù)人員投入非常大，預(yù)處理算法基本不用我們做，都交給他們來部署。后面關(guān)于脈沖星的AI模型雙方共同優(yōu)化。”池明旻表示。
最終，在脈沖星AI模型的優(yōu)化中，雙方取得了多模態(tài)&半監(jiān)督AI的解決方案創(chuàng)新。這一越來越精準(zhǔn)的脈沖星模型算法，將在不久的將來向?qū)ν忾_放。
數(shù)據(jù)顯示，多模態(tài)+半監(jiān)督學(xué)習(xí)的AI解決方案，相比國家天文臺原有的AI篩選模型具有更高的召回率，且誤報率下降98%。
那么，脈沖星為什么要多模態(tài)與半監(jiān)督學(xué)習(xí)相結(jié)合的AI解決方案才有效果？
池明旻表示，F(xiàn)AST收集回來的太空信號是一個時間周期信號，這些信號轉(zhuǎn)化成圖像后，像一個3D物體，從不同維度去看會獲得不一樣的信息。判斷是否是脈沖星的維度有很多，比如色散、向位等等。“基于多的信息的輸入，綜合去評價這個信號到底是不是脈沖星，在這種情況下肯定會比常規(guī)基于信號的直接分析，效果會比較好一些。” 她解釋稱。而AI算法要做的就是，要將這些不同維度的數(shù)據(jù)同脈沖星的特征數(shù)據(jù)做比對，找出潛在脈沖星。
在半監(jiān)督方面， 正如上文提到科研工作者可能每1億張圖片才能找出1顆脈沖星，這1億張圖片如果人工去做標(biāo)注非常不現(xiàn)實，而且對樣本學(xué)習(xí)量的要求比較大。而半監(jiān)督學(xué)習(xí)是一種使用大量未標(biāo)記數(shù)據(jù)，以及同時使用標(biāo)記數(shù)據(jù)，來進(jìn)行計算的小樣本研究的常用手段。
“我們所謂的小樣本就是數(shù)據(jù)量比較小的情況下做數(shù)據(jù)增強，比如通過仿真做噪聲模擬，這樣原本的幾百張樣本可能就會變成幾千張。”池明旻解釋。
總體來講，在騰訊優(yōu)圖實驗室總監(jiān)汪鋮杰看來，能夠輔助池明旻教授團隊進(jìn)行脈沖星的發(fā)現(xiàn)研究其實與騰訊優(yōu)圖一直以來在數(shù)據(jù)增強、小樣本研究的積累分不開。例如在數(shù)據(jù)增強方面，騰訊優(yōu)圖也在做相關(guān)的內(nèi)容研究項目，與我們當(dāng)前已經(jīng)使用到現(xiàn)實生活中的畫質(zhì)優(yōu)化本質(zhì)上是同一個邏輯，就是把自然界拍好的噪音水平加到高畫質(zhì)圖像中來構(gòu)建高清和降質(zhì)之間的關(guān)聯(lián)學(xué)習(xí)。
騰訊優(yōu)圖此前工業(yè)AI質(zhì)檢的項目中就做了很多小樣本研究的積累。“一些生產(chǎn)精度已經(jīng)很高的精密制造企業(yè)，良品率已經(jīng)99%，一個缺陷品要等很久才有，有些缺陷品出現(xiàn)的概率可能是萬分之一，這個時候我們要么拿到100個有缺陷的樣品，要等這個生產(chǎn)線生產(chǎn)100萬個零件，而如果說我們要1萬個有缺陷樣本，可能要等生產(chǎn)線生產(chǎn)100萬個零件，時間上已經(jīng)不現(xiàn)實。”汪鋮杰補充。
會上，騰訊云副總裁、騰訊優(yōu)圖實驗室總經(jīng)理吳運聲也表示，騰訊的工業(yè)AI基礎(chǔ)技術(shù)集中在工業(yè)成像、基礎(chǔ)算法、高效學(xué)習(xí)以及仿真生成四個方面，通過這四部分能力已打造超過10個細(xì)分領(lǐng)域外觀檢測的解決方案。未來這些基礎(chǔ)技術(shù)也將有望像更多場景落地應(yīng)用。
在世界人工智能大會上，國家天文臺-騰訊天體AI探星計劃獲得世界人工智能大會SAIL之星獎(Super AI Leader)。更進(jìn)一步，騰訊與國家天文臺也在以“AI+云”開啟M31仙女座星系中脈沖星類致密天體的最深度完整探測。
（本文首發(fā)鈦媒體APP 作者 | 秦聰慧）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論