500 米口徑球面射電望遠鏡（Five-hundred-meter Aperture Spherical radio Telescope，FAST），又被譽為「中國天眼」。目前，它不僅是世界範圍內擁有最高靈敏度的射電望遠鏡，也是可用於脈衝星搜索的最為強大的工具。
圖 | 500 米口徑球面射電望遠鏡（來源：中科院國家天文台）
2011 年 3 月 25 日，中國開始動工興建 FAST，地點位於貴州省黔南布衣族苗族自治州境內。
2020 年 1 月 11 日，其順利通過驗收，正式開啟運行。作為反射面相當於 30 個足球場的巨型射電望遠鏡，FAST 能夠幫助國家在天文和物理領域開展深入探究，助力人類更好地探索宇宙起源和演化的奧秘。
其中，對脈衝星的發現和研究，是 FAST 需要完成的一個重要科學目標。天文學家研究發現，一些質量較大的恆星會在演化的終點發生爆炸，並隨之迸發出強烈的太空焰火，在這過程中，倘若有質量巨大的恆星殘骸留下，便會坍縮成為快速自轉的中子星，而脈衝星本質上就屬於中子星。
1967 年，劍橋大學研究者喬瑟琳·貝爾，在射電望遠鏡中偶然發現了一些含有規律的脈衝信號，經過不斷的觀測和探索，將其確認為新的天體並以脈衝星命名。
因其具有在地面實驗室無法實現的極端物理性質，所以對脈衝星展開研究，或將有助於重大物理學問題的揭示。如今，作為創新的重要驅動力，AI 正處於快速深入發展階段，並積極與金融、傳媒、交通等多個領域和場景深度融合。就連運用中國天眼進行天文研究，也離不開 AI 技術的幫助。
AI 為什麼可以用於 FAST？復旦大學計算機科學技術學院副教授、博士生導師池明旻解釋說：「通俗地講，人工智慧就是數據分析，只要有密集的數據，都可以通過 AI 演算法實現。
首先，在 FAST 進行觀測的過程中，每天會產生約 500TB 的原始數據。在龐大的數據量面前，用人工進行篩查的效率太低，需要有超強的算力提供支持。其次，FAST 接受信號時也會受到噪音干擾，用傳統的圖像處理技術和機器學習演算法召回率太低，採用人工智慧演算法能夠更好地解決問題。」
同時，面對多種 AI 模型設計的挑戰，天文專家需要付出過高的跨界學習成本，因此需要 AI 專業人才的輔助。
用 AI 「找星星」，讓信號識別速度提升 120 倍
2021 年，騰訊聯合國家天文台正式開啟「AI 探星計劃」，基於騰訊優圖實驗室的計算機視覺技術和騰訊雲計算能力，雙方聯合使用「AI+ 雲」尋找脈衝星，旨在進一步提高探星效率。
此次合作主要體現在四個方面。第一，用 AI 輔助脈衝星的搜索。第二，用 AI 賦能快速射電暴的搜索。第三，用 AI 助力近密雙星系統中脈衝星的搜索。第四，基於騰訊在 AI 演算法落地方面的積累，對整個新天體搜索流程進行深度加速。
經過 8 個月的不懈努力，優圖 AI 天體探索方案幫助 FAST 處理接收到的龐大數據，並從巡天觀測數據中找到超過 22 顆脈衝星候選體。同時，在同等算力下， AI 讓整體的信號處理效率提升了 120 倍。
這背後又有著怎樣的技術原理？FAST 現場觀測到信號後，會運用一系列天文和物理學方法進行處理，得到適合計算機視覺領域處理的圖像數據，藉助目標檢測與圖像分類、遷移學習等演算法可以完成對信號的判別，然後經過圖像數據的篩選比對，留下少部分樣本，最後使用人工，再次對這些剩餘的樣本進行比對和確認。
其中主要有三項關鍵的技術創新點，分別是多模態 + 自監督預訓練演算法、半監督域遷移演算法、主動學習演算法。相比國家天文台原有的 AI 篩選模型，第一項技術擁有更高的召回率，誤報率也可降低 98%。
優圖實驗室研究總監汪鋮傑介紹說：「所謂的多模態就是基於多信息的輸入，來綜合評價觀測到的信號到底是不是脈衝星。由於其已經具有多維度的輸入存在，包含更多信息和可行性，所以會比基於信號直接分析的效果更為顯著。半監督本質還是用於數據量較大的情況，演算法學習的樣本要比人工標註的多，因此識別能力會有明顯提升。」
以前主要用手工處理動態譜候選信號，現在藉助三項技術創新研發的動態譜信號識別模型，能夠完成對單脈衝信號的識別並實現處理效率的大大提升。
在這 22 顆脈衝星中，包含7顆高速自轉的毫秒脈衝星，其在天體物理中擁有很高的觀測和研究價值，還包含 6 顆具有間歇輻射現象的疑似生命周期末期的脈衝星。同時，研究人員還運用優圖動態譜 AI 模型，初次完成了對某磁陀星的射電脈衝的探測。
脈衝星是擁有超高密度的星體，對它的發現可以看作一架橋樑，助推計時和引力波的探測，銀河系中星際介質的密度和分布，以及磁場分布和強度等方面的探測，加深人類對浩瀚宇宙的進一步認識。並且，發現的脈衝星數量越多，越有利於探測靈敏度的提升。
將開啟 M31 仙女座星系中脈衝星類緻密天體的最深度完整探測
9 月 3 日，騰訊與國家天文台還公布了「AI+ 雲」探星計劃的新動態，其將共同開啟對 M31 仙女座星系的射電信號處理。
據悉，這也將是天文界對該星系中脈衝星類緻密天體的最深度最完整的探測。同時，探星計劃也獲得世界人工智慧大會 SAIL 之星獎（Super AI Leader）。
由於 M31 仙女座星系所在天區的觀測信號數量非常龐大，同時又與地面觀測站相距太遠，因此，在探星計劃開始之前，它們並未得到完整的處理。預計截止到今年年底，探星計劃能夠完成 M31 星雲觀測信號的全部探索。
AI 與天文的碰撞，不僅體現了 AI 與基礎學科結合的新範式，還反映出人們對前沿技術的無限探索。用「AI+ 雲」I幫助 FAST 搜索脈衝星的過程，也向我們揭開了主宰能量之謎的宇宙的面紗一角，有利於激發越來越多人對天文發自內心的好奇心和研究興趣。
國家天文台 500 米口徑球面射電望遠鏡工程（FAST）首席科學家李菂表示，在天文科學普及、傳播和教育的過程中，很容易引發更多人對頭頂這片神秘領域的探索，這可以很好地催發科研精神。
不僅如此，在技術與人們生活協同發展的同時，也一定要能實實在在地服務於人。不管是面對當下，還是展望未來，都應當始終堅持科技向善的理念。
對於科技向善，李菂認為：「不管是特殊群體，還是一般人，向善對他們的物質和精神都是有改善作用的。從去年開啟探星合作到現在，發現了二十二顆脈衝星，每顆脈衝星一立方平米有一億噸，它有什麼用呢？我覺得更多的是求真，尋求這個世界其他的真相。它更有利於推進大家做有想像力和創造力的事情，這也是我們的工作對社會的一點反饋。」
工欲善其事，必先利其器。現在，人工智慧的天文應用還局限在「器」的階段。在 2-3 年內，人工智慧應該展現出真正的智能，不光是圖像識別更快這種體力活，而是提供人類所沒有的新科技語言。
李菂說，已經有研究表明 AI 能基於一堆行星數據在零基礎的情況下推理出「日心說」的世界模型。希望幾年之內，人工智慧不僅僅輔助天文數據處理，而是提供新的語言讓我們去發現和譜寫宇宙本質的詩篇。
