人類向往星空，如同孩子向往家外的世界。

除了地球這個星球以外，還有一個宇宙的世界。宇宙分為廣義和狹義，廣義的宇宙指的是萬物的總稱，是時間和空間的統(tǒng)一。狹義的宇宙指的是地球大氣層以外的空間和物質(zhì)。探索宇宙可以幫助我們發(fā)現(xiàn)更多的宇宙規(guī)律。

曙光計算服務探尋夢幻神秘的彌漫星系

低表面亮度星系是一種彌漫星系，夢幻而神秘。當從地球觀察這些星系時，在夜空的環(huán)境中，它們的表面亮度至少比周圍的背景天光低一個星等，對其進行搜尋和研究有助于人類更好地了解銀河系的結(jié)構(gòu)和演化過程。

如何在海量的天文圖像中搜尋低面亮度星系？近日，山東大學專家組通過曙光計算服務支撐，擬搭建一個低面亮度星系的高效搜索平臺，實現(xiàn)1天內(nèi)對T量級的天文圖像準確的找到低面亮度星系的候選體，為天文學家和數(shù)據(jù)處理專家的研究提供支撐。

高效搜索平臺的建立將有助于提高海量圖像中低面亮度星系的搜尋效率，也對未來國內(nèi)和國外大型巡天項目的數(shù)據(jù)處理工作提供重要的借鑒和示范。

檢測速度達到每幅圖片1秒以內(nèi)

宇宙是無窮的，對于天文研究而言，其產(chǎn)生的數(shù)據(jù)量本身就非常龐大；同時，天文圖像的分辨率很高，其中將產(chǎn)生大量非結(jié)構(gòu)化數(shù)據(jù)，檢測效率的高低將直接成為研究的掣肘。

另一方面，山東大學專家組對于低面亮度星系的搜尋已經(jīng)進行了前期的研究。搭建完成了基于深度學習框架的目標檢測模型，并且與現(xiàn)有的目標檢測模型R-CNN、YOLO等進行了性能對比。研究實驗表明，基于深度學習的目標檢測方法對于從天文圖像中搜索低面亮度星系非常有效。而搭建的深度神經(jīng)網(wǎng)絡模型對運行設備的性能要求非常高。

目前，模型的檢測效率比較低，檢測一幅圖片大約需要4秒。天文測光數(shù)據(jù)量巨大，未來的大型巡天項目，每天可獲取TB甚至幾百TB量級的海量的圖像數(shù)據(jù)，迫切需要借助計算服務平臺提高檢索效率。

而通過部署曙光計算服務平臺提升檢測效率，檢測速度將達到每幅圖片1秒以內(nèi)。預計，利用曙光計算服務平臺支撐，對數(shù)字巡天的93萬張圖像進行全部檢測，24小時之內(nèi)便可返回結(jié)果。

一直以來，我們都以為只有地球上才有生命，而人類更是宇宙中最高級的最具智慧的生命體，而探索宇宙或許可以更好地幫助我們了解生命的出現(xiàn)以及存在。而曙光計算服務將為天文學研究提供支撐，助力人類更好的“仰望星空”。

責任編輯：haq