韩国天文研究院在成立50余年后,将建设基于图形处理器(GPU)的人工智能(AI)数据中心并引入“AI天文学家”智能体(助理),全面推进AI转型。其构想是像信息技术(IT)大企业那样自主具备AI运算基础设施和业务解决方案,从而大幅提升宇宙观测数据分析与研发(R&D)能力。在全球科技巨头纷纷加入、AI竞争向天文宇宙领域扩展的“太空AI”时代,韩国国内的专门研究机构也开始改善自身体质。
天文研究院AI暨先进计算中心主任李在俊12日表示:“我们正在筹划建设基于GPU的数据中心、可对观测数据进行统一管理的‘数据枢纽’项目”,“目标是从2027年开始建设,明年先推进验证系统的运行。”他还表示:“配合政府的‘AI for Science(服务科学的AI)’政策,还将引入博士级智能体AI天文学家,帮助建立天文学假设和天体观测计划并进行分析。”
“自主望远镜项目”也在推进。不同种类的天体适用的望远镜不同,有光学、红外、射电等,且最优化条件还随当天天气和观测时段而变化。李主任解释:“世界主要望远镜仅一天运营费就要数亿韩元”,“租用它们的研究人员必须找到能最大限度提高观测概率和数据质量的条件。”自主望远镜是一种在模拟现实的虚拟空间数字孪生中对各种条件进行仿真、从而优化众多望远镜运用的AI。
天文研究院计划以AI分析能力应对观测数据激增。据韩国天文学会数据,天文研究院运营的系外行星探测系统(KMTNet)、正在开展国际合作的智利薇拉·鲁宾天文台“时空遗珍巡天观测(LSST)”、14国共同参与的“国际大型射电望远镜(SKA)”等11个观测系统所需的数据存储容量,截至今年累计为5.19PB(拍字节,1000万亿字节),预计到2034年将激增至120.2PB。
仅今年开始运行的薇拉·鲁宾天文台一处,每天就产生1000万条数据、20TB(太字节,1万亿字节),全球天文学领域的AI需求正在增长,但实际技术引入仍处于初期阶段。原因在于,观测数据虽多,但射电、伽马射线、引力波信号等日常中陌生的非结构化数据占比大,且超新星爆发或黑洞等主要天体现象罕见,AI难以学习其模式。为此,科技巨头纷纷推出新技术,抢占学界需求。
谷歌上月在《自然·天文学》发表研究成果:仅用数十个数据集,就让大规模语言模型(LLM)“Gemini”以93%的准确率区分超新星与变星等主要现象。研究团队分别从三家观测机构各获得15个数据集输入Gemini。数据集包含主要现象发现前后的图像以及显示其差异的图像共3张,以及各类分类指南。Gemini由此对数千个新的天体信号进行了分类。这是一种“少样本学习”技术,让AI模型无需直接学习数百万张图像,只需练习数量少得多的示例便能解答更多问题。
微软(MS)的“Mephisto”能以现有天文学家的水平分析詹姆斯·韦布空间望远镜(JWST)观测到的高红移星系的质量等特性。红移是宇宙膨胀导致远处光线发生扭曲的现象,光源距地球越远越明显。高红移星系通常距离超过100亿光年,红移极为严重。观测与分析因此十分困难,但AI为克服这一难题打开了通路。
此外,IBM与美国国家航空航天局(NASA)8月公开了太阳活动预测模型“Surya”。Surya学习了9年的NASA数据,可比以往的1小时更早,在2小时前预测引发卫星导航系统(GPS)及电力、通信网干扰的太阳耀斑。以往基于物理的预测模型计算量大、预报速度慢,而Surya利用AI自动从观测图像中探测前兆信号,是更快、更精确预测太空天气的创新尝试。中国国家天文台今年4月公开了天文学专用LLM“AstroOne”。
人造卫星探测领域也在积极引入AI。关键在于轻量化。韩国科学技术院(KAIST)宇宙研究院院长韩载兴解释:“要在人造卫星上搭载AI,必须解决有限电力问题”,“同时由于与地球通信困难,(在没有中央服务器的情况下)搭载于卫星的机载(内置)模型必须处理一切。”KAIST宇宙研究院正在开发可克服这些问题的“主动控制卫星”。核心技术是让AI像自动驾驶汽车的传感器一样识别宇宙空间中太空垃圾这类过小、肉眼难以看到的物体及其运动。NASA在7月将“动态目标锁定”搭载到实际卫星上。这是卫星自主识别前方500公里内妨碍地面观测的云层并转变观测方向加以避开的技术。NASA计划将其升级为卫星主动寻找并观测山火等异常现象的自主卫星技术。中国正在推进以2800颗卫星在宇宙空间构建超级计算机级AI运算基础设施的“三体计算星座”计划。






