🎼♱🐐

ld乐动体育是不是更新了

乐动网络游戏

乐动手游

乐动游戏盒子

乐动音游

乐动游戏公司

ld乐动sports

ld乐动代理

乐动游乐

《乐动djmax》

ld乐动游戏

本项研究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微弱信号搜寻和数据分析，发现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。相关研究方法与成果对探索星系如何形成和演化提供了新的研究方式，也充分显现人工智能在天文海量数据中探寻微弱信号的广泛应用潜力和前景。研究成果论文5月15日在国际天文学顶级期刊《皇家天文学会月报》(MNRAS)上发表。

葛健指出，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。由于早期宇宙的星系离地球太遥远，天文学家无法将星系自身发的光作为探针来观测并研究冷气体和尘埃。然而，宇宙中比星系要亮百倍以上的类星体所发出的光在经过宇宙早期星系时会被其中的气体和尘埃吸收，产生类星体的吸收光谱。其中ld乐动游戏，中性碳的吸收光谱可以帮助天文学家准确跟踪冷气体云块，因此，中性碳吸收体成为研究星系形成和演化的重要探针。

研究团队采用创新方法，首先形成与真实吸收线无任何区别的仿真信号来充分训练深度神经网络，使之学习吸收线的所有特征；为提高探测灵敏度，研究团队有意增加了低信噪比样本的训练，使深度学习神经网络的探测精度达到99.8%，探测完备性也显著提升约30%，达到99%。这种人工智能的训练和搜寻方式大大缩短搜寻时间ld乐动游戏，并提高探测灵敏度和对微弱信号探测的完备性。

此次发现如此多冷气体的中性碳吸收体，研究团队把这些光谱叠加到一起，极大提高探测各种金属元素丰度的能力，并能直接测量尘埃吸附导致的部分金属丰度缺失。研究结果表明，早在宇宙只有约30亿年的年龄时，这些携带中性碳吸收体探针的早期星系已经过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，大量的金属产生，同时部分金属被吸附到尘埃上，产生观测到的尘埃红化结果。

本项研究结果还独立验证了近期詹姆斯·韦伯太空望远镜首次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，挑战了现有的星系形成和演化模型。研究团队认为，本次研究通过观测类星体的吸收光谱来研究早期星系，这将为未来宇宙和星系早期演化研究提供一个全新而强有力的研究手段，以及与詹姆斯·韦伯太空望远镜相互补的研究方式。