2023/11/09 14:53

关于计算+天文，一群“仰望星空者”讨论了什么？

随着天文数据的爆炸式增长以及计算技术的飞速发展，天文学领域正在发生一场科研范式的变革。11月6日至7日，之江实验室计算天文（杭州）国际会议举行，来自澳大利亚、法国、德国、日本、中国等五个国家的300余名“仰望星空者”相聚杭州，共同研讨智能计算和天文学如何实现更好的融合发展，以推动科学发现和技术创新。

“之江实验室一直致力于用计算推动创新。我们希望天文学家和计算科学家能够紧密合作，探索计算技术如何助力科研，实现计算驱动的科学发现和技术创新。”之江实验室主任、中国工程院院士王坚在致辞中表示。

^{点击视频观看会议花絮}

计算，天文学研究不可或缺的技术力量

“当我们进入宇宙探索的新时代，我们面临的最艰巨的挑战之一是处理这些观测产生的大量数据。采用先进的数据科学技术和智能计算不仅仅是辅助性的作用，而是解锁宇宙学新理论的关键。”清华大学天文系助理教授黄崧表示。中国科学院国家天文台研究员刘超指出，人工智能算法广泛应用于天文学的许多领域，当观测数据量极大且分析计算量较大时，它具有很大的优势。

研讨会上，聚焦天文计算，国内外专家学者带来了精彩的报告分享。邵逸夫天文学奖获得者、澳洲研究委员会（ARC）引力波发现卓越中心主任Matthew Bailes讲述了脉冲星、快速射电暴的发现历程以及其中的数据处理工作。刘超以中国空间巡天望远镜CSST为例，展示了人工智能算法如何帮助天文学家进行包含数千万张图像和大约100亿个天体的大型项目研究。黄崧介绍了宽视场巡天望远镜（MUST）计划，深入探讨了它在即将进行的第五阶段宇宙学巡天中的关键作用。

名古屋大学宇宙学组博士后Takahiro S Yamamoto正积极探索深度学习在引力波天文学中的应用，他在报告中回顾了人工智能应用于连续引力波搜索方面的工作。波尔多天体物理实验室（Laboratoire d'Astrophysicals de Bordeaux）副主任Valentine Wakelam介绍了用于解释星际介质观测结果的新一代复杂化学模型，并展示了开发处理、可视化及解释它们的方法。北京大学科维理天文与天体物理研究所助理教授王力乐介绍了计算天体物理学中的一些关键问题以及如何解决这些问题，并分享了关于异构计算和“科学中的人工智能”的研究进展。

澳大利亚国立大学天文学和计算机科学副教授丁源森带来了一个以天文学为主题的大型语言模型AstroLLaMa。他指出，大型语言模型可以通过上下文提示和对特定领域文献的微调等技术，产生与人类专家的复杂性相当的科学假设，这些专门的基础模型可以彻底改变我们用于文献检索和追踪该领域知识发展的方法。

北京大学化学与分子工程学院教授高毅勤展示了基于全国产软硬件框架的蛋白结构人工智能模型的复现和从头训练，并介绍了原生于人工智能的多模态和跨尺度分子模拟工具。

阿里云智能资深产品专家黄博远介绍了可应用于各种行业场景的人工智能机器学习平台，阿里云智能高级产品专家刘一鸣介绍了探讨阿里云开发的开放数据处理服务ODPS，并通过生物医学、天文学和气象学的典型科学用例，展示了ODPS便捷、高效、可扩展的数据处理能力。

之江实验室图计算研究中心副主任陈红阳介绍了图计算技术的发展历程以及它将如何赋能科学发现，并展示了之江朱雀图计算平台和朱雀图预训练大模型的最新研究进展。

在中国天眼FAST首席科学家、之江实验室天文计算首席科学家李菂研究员主持的圆桌讨论环节中，特邀报告嘉宾围绕“计算感知宇宙”主题进行了开放式讨论。

看的更远，需要更多人的参与

在两天的研讨会中，来自天文学领域的报告人分享了他们在各自研究方向上推动天文和计算融合创新的成果，计算领域的报告人充分展示了计算在辅助天文研究上的潜力。这种分享与交流，从会场内延续到廊道中、餐叙间，可以说是无处不在。

正如王坚院士在致辞中所说的，“人与人之间面对面交流带来的相互启发比读论文更加重要，希望通过这样的研讨会（我更愿意称之为workshop而不是conference）进行更多有趣的讨论。之江实验室正在打造一个开放科学的环境，通过打造良好的数字基础设施和软硬件环境来支持科学研究，希望能让科学家进行更富有成效的讨论。”

“作为一名天文科研工作者，我的常规工作就是去海量天文数据中去搜寻有价值的信息，怎么样高效快速得到结果是我们一直想要解决的问题。这次的线下研讨给了我们天文领域科研人员一次很好的机会，可以与计算领域科研人员深入讨论，解决问题。”中国科学院新疆天文台副研究员姚菊梅分享了她的参会感受。

仰望星空，眺望未来，需要更多力量的参与。不仅是科学研究，还包括科学传播、科普推广。在计算天文国际会议的闭幕式上，之江发展基金会与国家天文数据中心达成合作，双方将合力推进科技资源开放共享，在全社会传播科学知识，弘扬科学精神，以公益之心，点亮科技之光。之江实验室党群工作部与OPENVERSE合作共建科学艺术创作室（Intouchable in Zhejiang Lab），通过科学与艺术的交融，共同赋能科学传播事业的发展。

^{之江实验室副主任袁继新向国家天文科学数据中心常务副主任崔辰州颁授“之江发展基金会公益合作伙伴”牌匾}

^{OPENVERSE联合创始人邓明悦介绍科学艺术创作室发展愿景}

李菂在闭幕致辞中表示，由于天文学研究本身的不确定性，我们很难预测未来十年会发生什么样的变化。但我们坚信，通过计算的赋能，通过科研的协作，明年再相聚时一定会看到天文领域新的研究进展，又或许是重大的科学发现。

产业之江实验室

相关技术

知识图谱

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

感知技术

知觉或感知是外界刺激作用于感官时，脑对外界的整体的看法和理解，为我们对外界的感官信息进行组织和解释。在认知科学中，也可看作一组程序，包括获取信息、理解信息、筛选信息、组织信息。与感觉不同，知觉反映的是由对象的各样属性及关系构成的整体。

来源：维基百科

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

数据科学技术

数据科学，又称资料科学，是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

来源：维基百科

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用，如语音识别，机器翻译，词性标注，句法分析和资讯检索。由于字词与句子都是任意组合的长度，因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题)，也使得在语料库中估算字串的机率变得很困难，这也是要使用近似的平滑n元语法(N-gram)模型之原因。

来源：维基百科

阿里云机构

阿里云创立于2009年，是全球领先的云计算及人工智能科技公司，致力于以在线公共服务的方式，提供安全、可靠的计算和数据处理能力，让计算和人工智能成为普惠科技。阿里云服务着制造、金融、政务、交通、医疗、电信、能源等众多领域的领军企业，包括中国联通、12306、中石化、中石油、飞利浦、华大基因等大型企业客户，以及微博、知乎、锤子科技等明星互联网公司。在天猫双11全球狂欢节、12306春运购票等极富挑战的应用场景中，阿里云保持着良好的运行纪录。阿里云在全球各地部署高效节能的绿色数据中心，利用清洁计算为万物互联的新世界提供源源不断的能源动力，目前开服的区域包括中国（华北、华东、华南、香港）、新加坡、美国（美东、美西）、欧洲、中东、澳大利亚、日本。 2014年，阿里云曾帮助用户抵御全球互联网史上最大的DDoS攻击，峰值流量达到每秒453.8Gb 。在Sort Benchmark 2016 排序竞赛 CloudSort项目中，阿里云以1.44$/TB的排序花费打破了AWS保持的4.51$/TB纪录。在Sort Benchmark 2015，阿里云利用自研的分布式计算平台ODPS，377秒完成100TB数据排序，刷新了Apache Spark 1406秒的世界纪录。 2018年9月22日，2018杭州·云栖大会上阿里云宣布成立全球交付中心。

https://www.aliyun.com/about?spm=5176.12825654.7y9jhqsfz.76.e9392c4afbC15r