大数据如何重塑宇宙认知_资讯

创始人

2026-03-18 05:28:32

NSFDOE鲁宾天文台AURAB.昆特

现代科学日益依赖海量数据集和自动化分析。在天文学领域，维拉C鲁宾天文台开展的时空遗产巡天（LSST）——一项覆盖整个南天、重复观测数千次的长期巡天项目——将对这种依赖提出严峻考验。

摄影：[ActionVance] / Unsplash

位于智利塞罗帕琼山顶的鲁宾天文台，将对夜空进行极为精细的巡天观测。该天文台旨在通过研究天空中的多种现象——包括超新星（爆发的恒星）、小行星、暗物质以及银河系自身的性质——来解答有关宇宙的一系列科学问题。

摄影：[Conner Baker] / Unsplash

它还将回答一个贯穿当代科学各领域的根本性问题：在大数据时代，我们应如何理解科学发现？

尽管主要由美国能源部和国家科学基金会（NSF）资助，鲁宾天文台望远镜是来自六大洲、十余个国家的天文学家通力合作的成果。

英国、法国、西班牙、意大利、日本、巴西、澳大利亚、南非和加拿大等国为数据处理系统的建设提供了支持。这些实物贡献使上述国家的研究人员获得了大型综合巡天望远镜（LSST）的数据使用权益。

摄影：[Evgeni Tcherkasski] / Unsplash

向全球分布的七个中介平台转发提供科学数据的警报。这些中介平台是天文学家用于访问大型综合巡天望远镜（LSST）数据的网站或软件。

警报提供了有关新天文目标的信息，例如其真实性的可能性、类型、所属星系以及亮度随时间的变化情况。借助这些数据，天文学家能够筛选出最适合开展后续观测研究的目标。

然而，即便软件团队和数据中介人员已付出诸多努力，仍有海量瞬态数据超出任何研究团队的手动筛选能力。数据处理的最终阶段将由科学家运用机器学习与人工智能技术，从中甄选出最具科学价值的数据。

摄影：[Jr Korpa] / Unsplash

鲁宾天文台将产生海量数据，需要大量人员进行分析。 NOIRLabNSFAURAT.Slovinský

天文学日益依赖代码，并侧重于内部开发。鉴于每晚望远镜观测所产生的海量数据，该领域很自然地成为最早采用机器学习作为解决方案的科学之一。

LSST的信息学与统计学科学合作组（ISSC）是一个由150多名数据科学家组成的团队，致力于开发天文学领域的工具，以支持该巡天项目的各项数据科学目标。

天文学在大数据领域一直走在前列，亚马逊和微软等公司为多个重大项目提供了资金支持。事实上，鲁宾天文台8.4米西蒙尼巡天望远镜正是以查尔斯西蒙尼命名，他因在微软早期从事软件开发以及其慈善事业而闻名。

该天文台所产生的数据量不仅将为科学家、软件开发者和技术人员带来机遇，也将为对天文学感兴趣的志愿者通过公众科学项目提供参与机会。

未来课程

鲁宾天文台体现了现代天文学的发展趋势：20世纪以来，国际天文合作日益深入；随之而来的观测设施日益精密，使得越来越多的天文学家转向为科学目标提供技术支撑与服务，而非直接从事发现性研究。

该巡天项目所产生的海量数据，以及分析这些数据所需的大量人员，对鲁宾而言并非新鲜事。其他当代巡天项目，如欧几里得卫星任务和LIGOVirgoKAGRA合作项目，以及未来十年规模更大的平方公里阵列，也都由全球数千名合作者共同参与，并处理海量数据。

显而易见的是，人工智能将在鲁宾天文台的科学发现领域占据主导地位，以应对这些大数据挑战。随着业界对开发用于分析天文数据的人工智能工具投入更多资金，天文学正日益深度融入主导现代生活的科技领域。

鲁宾每晚将产生10太字节的数据，其十年巡天结束时的目标数据库规模为15拍字节。由于每晚产生的约1000万条警报中大多数预计为假信号，因此需要借助先进的机器学习和人工智能工具，筛选出最具潜力的候选目标以供后续观测。

通过减少天文学家审阅数据所花费的时间，可以腾出更多时间用于开展新的、令人振奋的天体物理学研究。

如今，科学发现所依赖的工具及其成果本身的所有权，已分散于科学家、大型科技公司以及为数据打标签的普通公众之间。尚未解决的问题在于，宇宙究竟是继续保持为全人类共享的公共前沿，还是将逐渐由硅谷的优先议程所塑造。