神经网络学会比人类更高效地操控望远镜

西北大学、芝加哥大学和费米国家加速器实验室的专家们开发并测试了一套深度学习系统，该系统能够根据天气和月相实时计算并调整天文观测计划。该算法已在位于智利塞罗托洛洛美洲天文台的维克托·布兰科4米望远镜上部署，作为SkAI天空人工智能研究所项目的一部分。此前，操作员需要手动考虑大气透明度和月光，以避免图像过度曝光，一旦出错，由于观测时间竞争激烈，重新观测可能会推迟数月。开发人员没有采用经典规则，而是使用强化学习，利用暗能量巡天项目的数据训练神经网络。该模型分析了人类行为，并将其与存档的天气报告进行比对。在DECam相机的两次测试运行中，该算法显示出与熟练科学家相当的效果。作者计划修改代码，使系统能够寻找非标准的观测路径，这些路径因认知偏差而被人类忽略。自动化将释放天文学家的时间用于分析发现，并有助于有效分配未来天文台（包括维拉·鲁宾天文台）的资源。