纳视（NASAEYE）天文网站 · 技术专栏
过去二十年间，天文学经历了一场静默却深刻的转型。斯隆数字巡天（SDSS）、盖亚（Gaia）任务以及即将投入运行的薇拉·鲁宾天文台（Vera C. Rubin Observatory）等设施，以前所未有的速率产出数据。传统的人工检查与基于固定规则的统计方法，在面对拍字节级、高维度的数据流时已显力不从心。机器学习——这一让计算机从数据中自动学习模式的技术——正从辅助工具演变为天文学发现链条中的核心环节。本文旨在客观梳理机器学习在天文学各主要领域中的应用现状、方法特征与待解挑战，为读者呈现这一交叉领域的真实图景。
一、为何天文学需要机器学习
理解机器学习在天文学中的角色，首先需要认识数据规模与复杂性的根本变化。现代巡天项目每晚产生的数据量，远超一位天文学家在职业生涯中能够逐一检视的极限。传统方法依赖人工设计的特征提取器，针对特定类型的信号进行优化，例如通过高斯拟合寻找光谱中的发射线，或通过模板匹配识别光变曲线中的周期性。这类方法在受控条件下表现可靠，但其有效性高度依赖于研究者对目标信号形态的先验认知。
机器学习，尤其是深度学习，提供了一条不同的路径：模型从大量标注样本中自行学习区分性特征，无需人工指定“该看什么”。卷积神经网络（CNN）能够从图像中提取空间层次特征，循环神经网络（RNN）及其变体则适合处理时序数据。这种能力恰好匹配了天文数据的两个核心特征：图像（星系形态、瞬变源）与时间序列（光变曲线、光谱）。一篇2026年发表的综述将机器学习在天文学中的应用归纳为分类、回归、聚类、预测、生成、发现与科学洞察构建七类活动，并指出随机森林、支持向量机与神经网络已在系外行星发现、瞬变源识别、引力透镜搜寻等方向产生实质性影响。
二、星系形态分类：从人工目视到自动化流水线
星系形态分类是机器学习在天文学中最先成熟的应用场景之一。在哈勃分类体系下，天文学家传统上通过目视检查将星系划分为椭圆星系、旋涡星系与不规则星系。斯隆数字巡天释放的星系图像数量达到数亿量级，目视分类在规模上不可持续。
一项可重复的案例研究展示了当前技术所能达到的精度：使用包含900张星系图像的合成数据集，基于方向梯度直方图（HOG）特征的随机森林分类器达到了98.9%的测试准确率，而直接作用于原始像素的多层感知机则达到96.7%。这一结果的意义在于，即使是相对轻量级的机器学习模型，在星系形态三分类任务上也已具备与人工分类可比的可靠性。更复杂的深度卷积网络则能够处理更细粒度的形态特征，并已应用于大型巡天数据的自动化分类流水线中。
值得留意的是，精度并非唯一考量。模型的可解释性在科学应用中至关重要：当天文学家得到一个分类结果时，需要理解模型依据哪些图像特征做出了判断。将传统特征工程与可解释模型结合的策略，在这一点上仍具有不可替代的价值。
三、瞬变源与异常天体搜寻：机器之眼的独特优势
如果说星系分类是“替代人力”，那么异常天体搜寻则是“超越人力”。罕见天体——引力透镜、环状星系、并合中的星系、类水母星系——在统计上稀少，形态上奇特，恰恰是理解星系演化与引力本质的关键样本。
2026年1月，欧洲空间局的研究团队发布了一项标志性成果。他们开发的神经网络工具AnomalyMatch在哈勃遗产档案馆中检索了近一亿个图像切片，仅用两天半时间便完成扫描，识别出约1400个异常天体候选体，其中超过800个此前从未被文献记载。这些发现包括正在并合的星系、引力透镜弧、具有巨大恒星团的星系，以及数十个无法归入现有分类体系的天体。该工作的第一作者指出，哈勃档案跨越35年，其中许多数据从未被系统性地搜寻过异常信号。
这一案例揭示了机器学习在天文发现中的独特价值：它能够在超出任何个体研究者处理能力的体量上，执行一致、可重复的筛选。同时，该研究也诚实地呈现了当前的最佳实践模式——算法完成初筛后，仍需专家对排名靠前的候选体逐一核验。人机协作而非完全替代，是现阶段最可靠的范式。
四、系外行星与恒星物理：时序数据中的信号与噪声
系外行星探测的核心难题是在恒星亮度变化的噪声中识别微弱的凌星信号。传统方法如盒状最小二乘法（BLS）对周期性凌星有效，但对单次或非周期性信号灵敏度有限。双向长短期记忆网络（BDLSTM）等序列模型已被用于从开普勒光变曲线中学习凌星事件的时序特征，并在测试中展现出识别非周期性变星现象（如矮新星爆发）的潜力。
在恒星物理层面，星震学通过分析恒星振荡模式推断恒星内部结构。开普勒、K2与TESS任务积累了大量恒星光变数据，机器学习模型已被用于自动化提取大频率间隔与最大功率频率等星震学参数。一项针对红巨星的研究展示了从TESS单月数据中推断这些参数的可行性，并计划将框架扩展至PLATO任务的主序星与亚巨星样本。这类工作的意义在于，传统星震学分析需要针对每颗恒星进行耗时的频谱拟合，而自动化模型使得群体层面的统计研究成为可能。
恒星变星分类同样受益于深度学习。一项发表于2025年IEEE会议的研究使用一维卷积神经网络直接处理未经预处理变换的TESS原始光变曲线，对209,658条曲线进行分类，识别出2,569颗此前未编目的变星候选体，单条曲线的推理时间仅为数十毫秒。直接使用原始数据避免了预处理步骤引入的偏差，这一设计选择本身反映了领域方法论的成熟。
五、光谱分析：从模板匹配到学习式特征提取
光谱承载了天体的化学成分、温度、引力与运动学信息。传统的光谱分析依赖模板匹配与交叉相关函数（CCF），在中等信噪比条件下表现稳健，但在海量数据面前效率瓶颈显著。
一个具有代表性的工作是LAMOST光谱双星搜寻中的人机混合流程设计。研究者先使用CCF技术提取光谱特征并生成高维特征数据，再以机器学习分类器对CCF输出进行二次筛选，最终通过集成学习结合多个分类器的结果，并辅以人工审核。这一策略在LAMOST DR9中分辨率光谱中发现了约7,096个双线光谱双星候选体与1,903个三线光谱双星候选体，其中新发现比例分别为70.1%与89.6%，整体效率较纯CCF方法提升约四倍。该研究的价值在于展示了一种务实的路径：不盲目追求端到端深度学习，而是将领域知识（CCF的物理基础）与机器学习的模式识别能力相结合，在保持科学可解释性的同时获得效率增益。
六、挑战与边界
客观地审视机器学习在天文学中的位置，需要承认若干尚未解决的挑战。
**数据偏倚与泛化能力。**模型在训练集上的表现不能保证其在分布外的数据上同样可靠。天文观测数据往往来自不同仪器、不同信噪比条件、不同天区，训练集与真实应用场景之间的分布偏移是常见风险。一个在哈勃图像上训练良好的异常检测器，直接应用于欧几里得望远镜数据时可能需要重新校准甚至重新训练。
**可解释性。**深度神经网络的黑箱性质在物理科学中尤其令人不安。当天文学家需要回答“这个星系为什么被分类为并合系统”或“这个光变曲线为什么被判定为凌星”时，仅有一个概率分数是不够的。局部可解释模型无关解释（LIME）等方法正在被引入天文光谱与图像分析，但其在科学严谨性上仍需进一步验证。
**计算成本与可重复性。**训练大规模深度模型需要GPU集群与大量电力消耗，这与天文研究通常的资源配置模式存在张力。同时，代码与训练数据的开放程度参差不齐，可重复性危机在机器学习天文学中同样存在。前述综述性工作明确将“可重复性”列为核心挑战之一，并提供了配套的Jupyter笔记本作为应对尝试。
结语
机器学习在天文学中的角色，正在从“一种新方法”转变为“基础设施的一部分”。它不会取代天文学家的科学判断，但正在重新定义哪些工作值得由人来做。当算法能够在数天内扫描完一亿张图像、在数十毫秒内完成一条光变曲线的分类时，研究者的时间得以从繁琐的筛选中释放，转向更深层的问题：这些异常天体意味着什么？现有模型在何处失效？以及，如何设计下一代工具来回答那些尚未被提出的问题。
纳视（NASAEYE）将持续关注这一领域的进展，为读者带来基于证据的解读。
相关问答
问1：机器学习训练出的模型，能否直接用于新的天文望远镜数据？
答：通常不能直接使用，或至少需要谨慎评估。模型的性能依赖于训练数据的分布特征，包括仪器响应、噪声水平、源密度等。不同望远镜的成像质量、滤光片系统、探测器特性存在差异，直接迁移可能导致精度显著下降。迁移学习是一种可行的缓解策略：在大量已有数据上预训练的模型，可以通过少量新数据的微调来适应新场景。
问2：机器学习发现的“异常天体”真的可靠吗？会不会只是伪影？
答：存在这种可能，因此当前的最佳实践并非让算法单独做出最终判断。以AnomalyMatch的工作为例，算法输出按异常程度排序的候选列表，研究者随后逐一目视核验排名靠前的对象，确认了超过1300个真实异常体。伪影（如宇宙射线击中、光学鬼像、数据缺口）确实可能被模型标记为异常，但专家审核环节能够将其剔除。算法的贡献在于将需要人工检查的范围从数亿个对象缩小到数千个。
问3：深度学习模型在星系分类上准确率已达98%以上，是否意味着传统方法不再需要了？
答：并非如此。高准确率通常是在特定数据集和特定分类体系下取得的。当分类目标变得更精细（如区分棒旋星系的子类型、识别形态扰动程度），或数据质量下降时，模型表现会变化。更重要的是，传统特征工程方法提供了物理上的可解释性——研究者知道HOG特征捕捉的是边缘方向分布，而深度网络中的卷积核响应则难以直接对应到天文概念。在科学应用中，“为什么”往往与“是什么”同等重要。
问4：机器学习能否帮助寻找暗物质或暗能量？
答：机器学习本身不直接探测暗物质或暗能量，但它可以加速与这些课题相关的数据分析。例如，引力透镜的自动化搜寻依赖于机器学习模型从图像中识别弧形结构，而弱引力透镜的统计测量需要精确的星系形状估计，深度学习模型在这方面已展现出优于传统测光方法的潜力。此外，在宇宙学参数推断中，基于模拟的推断方法结合神经网络，正在被用于加速从观测数据中约束宇宙学模型。
问5：对于想进入机器学习天文学方向的学生，需要具备哪些基础？
答：基础包括三方面。天文学方面，需要理解恒星、星系、宇宙学的基本概念，以及至少一种观测数据（图像、光谱或光变曲线）的处理流程。机器学习方面，监督学习（分类、回归）与深度学习（CNN、RNN）的基本原理和实现能力是必要的。编程方面，Python是事实标准，PyTorch或TensorFlow框架的使用经验几乎是必备的。此外，对统计推断与信号处理的基本理解，会帮助判断模型输出是否具有科学意义，而非仅仅追求测试集上的指标。