人工智能助力发现强引力透镜候选体
中国科学院云南天文台丽江天文观测站龙潜研究员与云南大学中国西南天文研究所宇宙学研究组尔欣中教授团队合作，利用人工智能深度学习的方法发现了38个新的强引力透镜候选体。研究成果于近期发表在英国皇家天文学会月刊(MNRAS)上，龙潜是论文共同通讯作者。
星系尺度的强引力透镜系统是重要的宇宙学探针，可用于深入地研究宇宙学和天体物理中的诸多科学问题，如暗物质性质、星系形成和演化以及哈勃常数的测量等。然而，目前已证认的强透镜系统数目过少，严重制约了相关天体物理学问题研究的开展。
如何搜寻证认更多强透镜样本是当前工作中的主要问题。通过下一代大规模测光巡天项目的开展，人们期待发现数以万计的强透镜系统。但如何在海量的天体图像中快速地找到强透镜候选体？近年来，人工智能的快速发展给我们提供了一种新的可能。国际上已有相关研究团队利用卷积神经网络方法搜索强引力透镜系统。
龙潜研究员长期从事人工智能深度学习方面的研究，他与尔欣中教授团队合作构建并训练了一个卷积神经网络，该神经网络使用Julia语言根据引力透镜数据的特点专门定制，具有规模小、速度快、针对性强的特点。他们将其应用于欧洲南方天文台2.6米巡天望远镜（VST）千平方度巡天（Kilo-Degree Survey—KiDS）数据，发现了38个新的强透镜候选体。
此外，通过测试卷积神经网络在不同观测条件上的表现以及用不同大小的训练集训练网络，研究人员还对卷积神经网络的稳定性作了测试。该项工作构建的神经网络亦可应用于其他的巡天数据。
该研究得到国家自然基金面上项目、云南省海外高层次人才计划等的资助。
新发现的38个强透镜候选体其中4个的图像