運用 AI 進行天文數據分析

WCYue

Apple M4 Pro 配備 16-core NPU，可以用於 機器學習 (Machine Learning) 及深度學習 (Deep Learning) 來分析天文數據，以下是一些方法：

(1) 應用 AI 在系外行星研究
        •        工具：
        •        Lightkurve (Python)：專門分析系外行星凌日光變曲線。
        •        TensorFlow / PyTorch (AI 深度學習)：可用於系外行星信號檢測。
        •        參與方式：
        •        下載 Kepler / TESS 公開數據庫
        •        Kepler Data Archive 👉 https://exoplanetarchive.ipac.caltech.edu/
        •        TESS Data 👉 https://mast.stsci.edu/portal/Mashup/Clients/Mast/Portal.html
        •        使用 Lightkurve 進行光變曲線處理：

WCYue

使用 Lightkurve 進行光變曲線處理：

import lightkurve as lk
search_result = lk.search_lightcurve("Kepler-10")
lc = search_result.download().remove_nans()
lc.plot()

使用 AI 訓練模型分析數據：

import tensorflow as tf
from tensorflow.keras import layers, models

model = models.Sequential([
    layers.Conv1D(32, kernel_size=5, activation='relu', input_shape=(1000,1)),
    layers.MaxPooling1D(pool_size=2),
    layers.Flatten(),
    layers.Dense(64, activation='relu'),
    layers.Dense(1, activation='sigmoid')
])
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

WCYue

(2) 訓練 AI 偵測小行星 / 彗星
        •        工具：
        •        Astrometry.net：用於解析望遠鏡拍攝的星空影像，並自動匹配星表。
        •        YOLO (物件偵測 AI)：可以用於辨識小行星及彗星。
        •        參與方式：
        •        下載小行星數據 👉 https://ssd.jpl.nasa.gov/sbdb_query.cgi

WCYue

用 Astrometry.net 解析影像：

solve-field my_image.fits

用 AI 訓練 YOLO 來識別小行星：

from ultralytics import YOLO
model = YOLO("yolov8n.pt")
results = model("asteroid_image.jpg")
results.show()