科研进展人物开发基于机器学习的X射线源分类方法用于空间科学卫星研究
近期，国家天文科学数据中心的左肖雄、陶一寒和许允飞等人，以及爱因斯坦探针（EP）空间科学卫星团队的刘元、张文达等人合作研发了一种基于机器学习的X射线源自动分类方法。该方法旨在提高对EP和其先导设备LEIA观测到的X射线暂现源和变源的识别速度与准确性。这项创新成果已经被应用至EP卫星数据处理流水线中，对我国今年初发射并于近期转入科研运行状态的这颗X射林天文学卫星进行了重要贡献。
此研究成果以“利用机器学习进行X射线源分类：以EP-WXT先导LEIA为例”为题，被国际知名学术期刊《Research in Astronomy and Astrophysics（RAA）》接收发表。论文链接可通过点击这里访问。
图1展示的是爱因斯坦探针卫星渲染图，该卫星于2024年1月9日成功发射升空。X射线天文学对于时域天文领域具有重要意义，因为伽马射线暴、活动星系核以及双重X射线系统等许多暂现源和变光体都会在X射线波段显示出显著变化。
自从爱因斯坦探针卫星2024年1月发射入轨以来，它携带着宽视场X-ray望远镜（WXT）及后随随行高能效应望远镜（FXT），在轨测试期间就开始获取宇宙中多组天体的软X-ray波段科学观测数据。图2展示了整体框架概述。
为了解决如何快速准确地对这些新发现的宇宙对象进行分类的问题，该研究利用了EP-WXT Pathfinder Lobster Eye Imager for Astronomy（LEIA）的观测数据以及模拟数据，将两者经过预处理与重采样后形成一个用于训练模型的大型数据库集群。此外，还提取了包括峰度、偏度等光变曲线统计特征，以及光子分布特征，银经纬信息作为输入参数，以便使用机器学习算法训练并构建用于类别划分功能强大的分类器。在多种机器学习算法之间进行比较之后，最终选定随机森林作为最佳选择，其结果证明该方法极大提升了效率，并且能够实现95%以上精度水平，即使是在真实环境中的实际应用也是98%以上准确率，证明它是有效可靠的人工智能工具。而这个基于AI技术的人工智能辅助工具已被部署至整个项目中，为未来的时间尺度更长深入研究奠定基础，并将成为未来其他类似任务如LSST或司天计划中的关键技术支撑之一。
