哈勃“翻旧账”：AI从档案中挖出1400个宇宙“怪胎”

负责这项工作的研究人员大卫·奥莱安（David O’Ryan）和巴勃罗·戈麦斯（Pablo Gómez）将一套名为“AnomalyMatch”的AI模型应用于哈勃遗产档案（Hubble Legacy Archive），让其在约1亿个图像裁剪片段中自动搜寻形态或光学特征“反常”的目标，并将这些候选目标交由人工进一步核查。 研究团队表示，哈勃数十年积累的数据本身就是一个“可能埋藏着各类天体异常现象的宝库”。

相比传统依赖人工浏览与逐张筛选的方式，AI在这次任务中的效率优势极为明显：AnomalyMatch仅用两天半就完成了对近1亿个图像小块的扫描，这一工作量若完全由人类团队承担，所需时间将难以估量。 AI在大规模数据中捕捉模式、标记“异类”的能力，为天文学家在数据爆炸时代继续“从海量噪声中捞针”提供了新的工具。

这是哈勃遗产档案首次被系统性地用于“异常搜寻”，而非只为特定目标或特定任务服务。 研究成果发表于期刊《天文学与天体物理学》（Astronomy & Astrophysics），共识别出近1400个“异常天体”，其中大部分与星系间的相互作用或并合有关。 在这些样本中，研究人员还发现了多种类型的特殊结构：包括由巨大质量天体弯曲光线形成的引力透镜（其在图像中通常表现为弧状或环状光晕）、带有气体“触手”的“水母星系”、以及拥有庞大恒星团块的星系等。

更令研究团队兴奋的是，其中还有数十个目标难以归入现有分类体系，暂时“无法命名”。 ESA在一篇博客文章中称，这些难以被传统范畴容纳的天体，可能正是未来新发现和新理论的“种子”。

戈麦斯表示，这是“利用AI最大化哈勃档案科学产出的一个极佳范例”。 在他看来，在哈勃这样被观测和分析了无数次的数据集中，依然能借助AI找到如此之多的异常目标，说明这种方法对其他规模更庞大、结构更复杂的数据集同样具有重要参考价值。

在越来越多的天文设施——从哈勃、詹姆斯·韦布空间望远镜，到即将上马的新一代大口径地面望远镜——持续向科学界输送海量观测数据的背景下，这类基于AI的“异常挖掘”有望成为未来天文学研究的常规手段：让机器先在无边无际的宇宙图像中发现“怪胎”，再由人类去理解这些异常背后的物理故事。