500 米口径球面射电望远镜（Five-hundred-meter Aperture Spherical radio Telescope，FAST），又被誉为“中国天眼”。目前，它不仅是世界范围内拥有最高灵敏度的射电望远镜，也是可用于脉冲星搜索的最为强大的工具。
图 | 500 米口径球面射电望远镜（来源：中科院国家天文台）
2011 年 3 月 25 日，中国开始动工兴建 FAST，地点位于贵州省黔南布衣族苗族自治州境内。
2020 年 1 月 11 日，其顺利通过验收，正式开启运行。作为反射面相当于 30 个足球场的巨型射电望远镜，FAST 能够帮助国家在天文和物理领域开展深入探究，助力人类更好地探索宇宙起源和演化的奥秘。
其中，对脉冲星的发现和研究，是 FAST 需要完成的一个重要科学目标。天文学家研究发现，一些质量较大的恒星会在演化的终点发生爆炸，并随之迸发出强烈的太空焰火，在这过程中，倘若有质量巨大的恒星残骸留下，便会坍缩成为快速自转的中子星，而脉冲星本质上就属于中子星。
1967 年，剑桥大学研究者乔瑟琳·贝尔，在射电望远镜中偶然发现了一些含有规律的脉冲信号，经过不断的观测和探索，将其确认为新的天体并以脉冲星命名。
因其具有在地面实验室无法实现的极端物理性质，所以对脉冲星展开研究，或将有助于重大物理学问题的揭示。如今，作为创新的重要驱动力，AI 正处于快速深入发展阶段，并积极与金融、传媒、交通等多个领域和场景深度融合。就连运用中国天眼进行天文研究，也离不开 AI 技术的帮助。
AI 为什么可以用于 FAST？复旦大学计算机科学技术学院副教授、博士生导师池明旻解释说：“通俗地讲，人工智能就是数据分析，只要有密集的数据，都可以通过 AI 算法实现。
首先，在 FAST 进行观测的过程中，每天会产生约 500TB 的原始数据。在庞大的数据量面前，用人工进行筛查的效率太低，需要有超强的算力提供支持。其次，FAST 接受信号时也会受到噪音干扰，用传统的图像处理技术和机器学习算法召回率太低，采用人工智能算法能够更好地解决问题。”
同时，面对多种 AI 模型设计的挑战，天文专家需要付出过高的跨界学习成本，因此需要 AI 专业人才的辅助。
用 AI “找星星”，让信号识别速度提升 120 倍
2021 年，腾讯联合国家天文台正式开启“AI 探星计划”，基于腾讯优图实验室的计算机视觉技术和腾讯云计算能力，双方联合使用“AI+ 云”寻找脉冲星，旨在进一步提高探星效率。
此次合作主要体现在四个方面。第一，用 AI 辅助脉冲星的搜索。第二，用 AI 赋能快速射电暴的搜索。第三，用 AI 助力近密双星系统中脉冲星的搜索。第四，基于腾讯在 AI 算法落地方面的积累，对整个新天体搜索流程进行深度加速。
经过 8 个月的不懈努力，优图 AI 天体探索方案帮助 FAST 处理接收到的庞大数据，并从巡天观测数据中找到超过 22 颗脉冲星候选体。同时，在同等算力下， AI 让整体的信号处理效率提升了 120 倍。
这背后又有着怎样的技术原理？FAST 现场观测到信号后，会运用一系列天文和物理学方法进行处理，得到适合计算机视觉领域处理的图像数据，借助目标检测与图像分类、迁移学习等算法可以完成对信号的判别，然后经过图像数据的筛选比对，留下少部分样本，最后使用人工，再次对这些剩余的样本进行比对和确认。
其中主要有三项关键的技术创新点，分别是多模态 + 自监督预训练算法、半监督域迁移算法、主动学习算法。相比国家天文台原有的 AI 筛选模型，第一项技术拥有更高的召回率，误报率也可降低 98%。
优图实验室研究总监汪铖杰介绍说：“所谓的多模态就是基于多信息的输入，来综合评价观测到的信号到底是不是脉冲星。由于其已经具有多维度的输入存在，包含更多信息和可行性，所以会比基于信号直接分析的效果更为显著。半监督本质还是用于数据量较大的情况，算法学习的样本要比人工标注的多，因此识别能力会有明显提升。”
以前主要用手工处理动态谱候选信号，现在借助三项技术创新研发的动态谱信号识别模型，能够完成对单脉冲信号的识别并实现处理效率的大大提升。
在这 22 颗脉冲星中，包含7颗高速自转的毫秒脉冲星，其在天体物理中拥有很高的观测和研究价值，还包含 6 颗具有间歇辐射现象的疑似生命周期末期的脉冲星。同时，研究人员还运用优图动态谱 AI 模型，初次完成了对某磁陀星的射电脉冲的探测。
脉冲星是拥有超高密度的星体，对它的发现可以看作一架桥梁，助推计时和引力波的探测，银河系中星际介质的密度和分布，以及磁场分布和强度等方面的探测，加深人类对浩瀚宇宙的进一步认识。并且，发现的脉冲星数量越多，越有利于探测灵敏度的提升。
将开启 M31 仙女座星系中脉冲星类致密天体的最深度完整探测
9 月 3 日，腾讯与国家天文台还公布了“AI+ 云”探星计划的新动态，其将共同开启对 M31 仙女座星系的射电信号处理。
据悉，这也将是天文界对该星系中脉冲星类致密天体的最深度最完整的探测。同时，探星计划也获得世界人工智能大会 SAIL 之星奖（Super AI Leader）。
由于 M31 仙女座星系所在天区的观测信号数量非常庞大，同时又与地面观测站相距太远，因此，在探星计划开始之前，它们并未得到完整的处理。预计截止到今年年底，探星计划能够完成 M31 星云观测信号的全部探索。
AI 与天文的碰撞，不仅体现了 AI 与基础学科结合的新范式，还反映出人们对前沿技术的无限探索。用“AI+ 云”I帮助 FAST 搜索脉冲星的过程，也向我们揭开了主宰能量之谜的宇宙的面纱一角，有利于激发越来越多人对天文发自内心的好奇心和研究兴趣。
国家天文台 500 米口径球面射电望远镜工程（FAST）首席科学家李菂表示，在天文科学普及、传播和教育的过程中，很容易引发更多人对头顶这片神秘领域的探索，这可以很好地催发科研精神。
不仅如此，在技术与人们生活协同发展的同时，也一定要能实实在在地服务于人。不管是面对当下，还是展望未来，都应当始终坚持科技向善的理念。
对于科技向善，李菂认为：“不管是特殊群体，还是一般人，向善对他们的物质和精神都是有改善作用的。从去年开启探星合作到现在，发现了二十二颗脉冲星，每颗脉冲星一立方平米有一亿吨，它有什么用呢？我觉得更多的是求真，寻求这个世界其他的真相。它更有利于推进大家做有想象力和创造力的事情，这也是我们的工作对社会的一点反馈。”
工欲善其事，必先利其器。现在，人工智能的天文应用还局限在“器”的阶段。在 2-3 年内，人工智能应该展现出真正的智能，不光是图像识别更快这种体力活，而是提供人类所没有的新科技语言。
李菂说，已经有研究表明 AI 能基于一堆行星数据在零基础的情况下推理出“日心说”的世界模型。希望几年之内，人工智能不仅仅辅助天文数据处理，而是提供新的语言让我们去发现和谱写宇宙本质的诗篇。
