在天文領(lǐng)域，近些年最引人關(guān)注的發(fā)現(xiàn)之一，是一種瞬時亮度超過太陽上億倍的未知天體。這類天體在射電頻段上的超常暴發(fā)，被稱為快速射電暴。它們暴發(fā)時間短、能量高，常用的篩選方法無法甄別全部的快速射電暴疑似信號，只能進一步縮小疑似信號的數(shù)目，再在較少的樣本中通過人工挑選可信的信號，過程費時且費力。

如何高效而精準(zhǔn)地捕捉這些神秘信號?中國科學(xué)院紫金山天文臺與中國科學(xué)技術(shù)大學(xué)、上海交通大學(xué)、貴州師范學(xué)院，以及澳大利亞聯(lián)邦科學(xué)與工業(yè)研究組織、西悉尼大學(xué)、西澳大學(xué)等機構(gòu)的學(xué)者，引入機器學(xué)習(xí)算法，從5億個疑似信號中找到81個快速射電暴候選體。該成果近日發(fā)表于《英國皇家天文學(xué)會月刊》。

單人50年才能甄別完5.6億個疑似信號

快速射電暴能在你眨眼瞬間的百分之一，甚至更短時間內(nèi)，完成一次極高的能量釋放。這種前所未有的暴發(fā)，究竟是在怎樣極端的環(huán)境下產(chǎn)生的，成為近年來天文學(xué)領(lǐng)域的研究熱點。

研究快速射電暴的手段有很多。2007年，美國西弗吉尼亞大學(xué)的研究人員利用澳大利亞的帕克斯射電望遠鏡，發(fā)現(xiàn)了第一個快速射電暴。

但僅有觀測還不夠。“快速射電暴距離遙遠，它們傳播到地球上的能量，比藍牙耳機的信號都要弱很多。要想從儀器的背景噪聲和人類制造的電磁干擾中把它們找出來，非常困難。這也是為什么射電天文觀測了那么多年，但直到2007年才首次發(fā)現(xiàn)它。”上述論文的通訊作者、中澳天文聯(lián)合研究中心ACAMAR博士后張松波說，他還在讀博期間，就決心對帕克斯望遠鏡觀測的歷史數(shù)據(jù)進行一遍“查戶口”式的搜尋，看看里面是否還有新的快速射電暴。

中國科學(xué)院紫金山天文臺高能時域天文研究團組最近幾年開展快速射電暴研究，已經(jīng)利用帕克斯望遠鏡的觀測數(shù)據(jù)構(gòu)建了一個完整的單脈沖數(shù)據(jù)庫。該數(shù)據(jù)庫內(nèi)包含了快速射電暴標(biāo)準(zhǔn)搜尋方法所尋找出的5.6億個信噪比大于7的單脈沖疑似信號。

張松波說，傳統(tǒng)的搜尋程序，無法準(zhǔn)確區(qū)分噪聲信號、人造信號和快速射電暴信號。所以這5億多個結(jié)果，只能被稱為疑似信號。假設(shè)一個工作人員每天能看3萬張信號圖，那么這5.6億個疑似信號需要其不眠不休地看50年才能看完。

找出81個新的快速射電暴候選體

機器學(xué)習(xí)中的殘差神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一個變種，它模擬最基本的生物神經(jīng)元，將接收到的信號進行分析，并判別信號的種類，從識別準(zhǔn)確度到識別速度都有很大的提升。

雖然這是一個很成熟的機器學(xué)習(xí)算法，但快速射電暴不管從形態(tài)上，還是訓(xùn)練樣本的收集上都很困難。

“這相當(dāng)于訓(xùn)練機器從5億只狗里，把幾只貓?zhí)舫鰜怼?rdquo;論文的第一作者、中國科學(xué)院紫金山天文臺高能時域天文團組博士生楊軒說。

研究團隊運用訓(xùn)練好的機器模型，最終從數(shù)據(jù)庫里找出了81個新的快速射電暴候選體。

其中一個證據(jù)來自這些候選體的色散量。“我們從外太空收集的色散量越大，說明天體距離我們越遠。這些候選體的色散量已經(jīng)超出了銀河系色散量貢獻的估計值，證明它們很可能來自銀河系外。”張松波說。

另一個佐證來自候選體所在的波束。張松波介紹，在帕克斯望遠鏡的多波束觀測中，快速射電暴的候選體只被其中一個波束探測到，說明信號的來源指向性非常明確，而來自地面的射電信號則不可能只出現(xiàn)在如此小的區(qū)域內(nèi)。這表明它們來自地面射電干擾的可能性很小。

科研團隊進一步研究分析，將這81個候選體和當(dāng)前已發(fā)表的快速射電暴樣本的輻射能量、脈沖寬度的累積分布進行對比，結(jié)果發(fā)現(xiàn)二者在統(tǒng)計行為上是一致的。楊軒介紹，這說明兩者對應(yīng)的信號，其物理起源和輻射機制很可能是相似的，進一步驗證了這81個候選體是快速射電暴的可能性。

在張波松看來，此次研究也對從觀測角度嚴格判定射電信號是否為快速射電暴提出了挑戰(zhàn)。“研究中的輻射能量分布表明，新候選體在低能端的事件數(shù)目高于已知快速射電暴，這說明以往的搜尋方法還存在不足，可能有非常多信號稍弱的快速射電暴被遺漏。”他表示，這些新發(fā)現(xiàn)的候選體也將為搜索更大樣本的重復(fù)暴提供了比較有價值的預(yù)選目標(biāo)。

天文學(xué)正在迎來大數(shù)據(jù)時代，射電觀測采集的數(shù)據(jù)量日益龐大，中國500米口徑球面射電望遠鏡(FAST)等望遠鏡都正在或即將展現(xiàn)更高的靈敏度，同時也將帶來更為驚人的數(shù)據(jù)量，這也對信號的篩選方法提出更高的要求。

“目前，我們正在用FAST收集的數(shù)據(jù)來訓(xùn)練AI算法，希望能訓(xùn)練出適用性更廣的AI模型。同時，也正在嘗試在現(xiàn)有模型中增加更新的機器學(xué)習(xí)方法，如深度卷積生成對抗網(wǎng)絡(luò)、顯著圖等，來提高現(xiàn)有模型的準(zhǔn)確性，降低誤報率。”張松波說。