论分类任务——天文模型工作随笔

缘起

• 我因工作需要，25年8月从零学习天文知识。
• 各个细分领域皆有沉默知识，前沿文献会省略不少背景信息，这对小白并不友好。
• 旨在记录个人思考，仅供审慎参考。

为何分类

• 研究对象太多，太复杂时，贴标签利于检索。比如：男女-老少-高矮-胖瘦。
• 本质是对复杂对象的升维处理。
• 升维操作将一个具体对象映射到量化空间中，便于量化距离，寻找关系。

全都来自测光（通量）

• 天文观测的原始数据都基于测光（通量）。
• 通量有几个标签：时间、空间、波段。
• 图片的每一个像素，谱线的每一个点，都是光通量。

特征工程

• 红移、温度、恒星质量、恒星形成率、铁氢比等等参数，都是基于物理模型的特征。
• 所有参数都基于测光数据。
• 没有办法能够验证（实测）红移、温度等参数。

下游任务

• 基于观测数据的天文研究，研究范式：观察规律->大胆假设->验证假设。
• 基于物理模型的天文研究，研究范式：物理模型->观测验证。
• 模型或网络的应用，主要在不易提取的特征上，没有解析表达式，需要人工判读或隐式的关系。
• 模型的典型场景：（1）海量数据+人工判读；（2）不易计算的特征，比如红移（计算量大、多解、不确定度高）。

自动化工作流设想

• 自动下载数据集；
• 关键字段解译（物理含义，计算方法，相关变量）；
• 复现、验证基于物理模型的特征，并将相关函数工具化；
• 相干性分析。

核心范式

• 三个对象：测光、特征、物理（宇宙、星系、恒星、天体）模型（尺度定标、演化过程）；
• 一个分析：因果（相干）性分析。