近日，由中国科学院上海天文台葛健研究员带领的国际团队通过人工智能的深度学习方法对国际斯隆巡天三期释放的类星体光谱数据进行了微弱信号搜寻和数据分析，发现了极其稀少的107例宇宙早期星系内的冷气体云块成分的关键探针中性碳吸收体。　　研究团队分析发现，早在宇宙约30亿年的演化早期，这些携带了中性碳吸收体探针的早期星系已经过了快速物理和化学演化，进入介于大麦哲伦矮星系和银河系之间的物理和化学演化状态。相关研究成果于2024年5月15日发表在国际天文学期刊《皇家天文学会月报》上。　　研究冷气体和尘埃对理解星系形成和演化至关重要。冷气体主要由分子和原子形态的氢组成，是恒星形成的原料。通过观察这些冷气体成分，天文学家可以追踪恒星的“燃料”，并理解星系如何随时间积累物质。尽管尘埃在星系总质量中只占很小一部分，但它在星际介质中却发挥着重要作用，通过吸收、散射和重新辐射恒星光，影响星际介质的热平衡和化学性质。因此，研究冷气体和尘埃为天文学家们理解星系从“最初组装”到恒星形成时期的剧烈变化，再到演化后期的整个星系生命周期提供了关键手段。　　而想要研究冷气体和尘埃，就需要探针。作为研究星系形成和演化的重要探针，中性碳吸收体非常微弱且极其稀少，需要在海量的类星体光谱数据中才能找到，这就如同大海捞针。使用传统的搜寻方法需要耗费大量时间，同时找到的假信号也会多，又很容易漏掉一些微弱信号。　　研究团队使用人工智能的深度学习方法，获得的中性碳吸收体样本是此前最大样本数近两倍之多，并且成功探测到了更多比以前更微弱的信号。　　此次研究发现独立验证了近期詹姆斯·韦伯太空望远镜在宇宙最早的恒星中探测到类似钻石的碳尘埃的新发现，预示部分星系的演化比预期要快得多，挑战现有的星系形成和演化模型。　　葛健表示：“要想使用人工智能在海量天文数据中‘挖’到重大新发现，需要发展创新的人工智能算法，使之能‘快准狠’地探寻到这些很难在传统方式下找到的稀少而微弱的信号。”

关键字 :、星系天文人工智能恒星宇宙