维拉鲁宾将帮助我们发现太阳系中发生的奇怪而奇妙的事情

维拉鲁宾天文台(VRO)在望远镜中很特别。它的设计目的并不是像欧洲极大望远镜或巨型麦哲伦望远镜那样具有更好的角分辨率和更高的分辨能力。它是围绕一个巨大的数码相机构建的，可以反复捕捉整个天空的广阔、深入的视图，而不是聚焦于任何单个物体。

通过反复观测天空，VRO将发现任何变化或天文瞬变。天文学家将这种类型的观测称为时域天文学。

当VRO在夜空中发现瞬变物体时，它会自动向其他天文台发送警报，以详细观察该瞬变物体。它可能是遥远的超新星爆炸，内太阳系的危险小行星，或者任何记录天空变化的东西。VRO的工作是发现它，然后将接力棒传递给其他天文台。

但向其他望远镜发出警报只是VRO要做的事情之一。VRO的主要观测计划称为遗留时空勘测(LSST)。LSST将使用其巨大的3.2十亿像素相机在10年内每天晚上对整个可用夜空进行成像。每五秒，相机就会指向天空的不同部分并捕捉15秒的曝光。

这项长达十年的努力将产生大量数据。每年需要200,000张图像，总计1.28PB数据。由于数据量巨大，VRO项目包括一条新的数据管道，从智利北部的站点传输回美国。人们不可能处理所有数据，因此机器学习将在处理数据方面发挥重要作用，并且找到隐藏的东西。

一篇新研究论文的作者开发了一种新方法，让天文台能够检测其生成的大量数据中的异常情况。这篇论文是“我们太阳系中的奇异与奇妙：在遗留的时空调查中寻找意外之喜”。它已被《天文学杂志》接受发表，主要作者是来自牛津大学物理系的布莱恩·罗杰斯。它可以在arXiv预印本服务器上获得。

VRO将发现的对象和事件列表包含我们期望看到的所有内容。除了超新星和小行星之外，VRO还可能发现潜伏在太阳系深处的难以捉摸的第九号行星。它还会看到千新星、伽马射线暴、变类星体、活动星系核，甚至像“Oumaumua”和“鲍里索夫”这样的星际物体(ISO)。

但要在所有数据中找到这些对象需要机器学习。作者开发了一种神经网络来处理数据。神经网络是一种模仿人脑工作方式的人工智能。它采用单个节点或神经元的分层网络，有点类似于人脑。

作者开发了一种称为自动编码器的特定类型的神经网络。自动编码器可以执行非常有用的功能。他们获取数据，对其进行编码或压缩，然后将数据重新构造回其自身的版本。通过这样做，自动编码器可以“学习”数据的哪些方面是相关的，哪些是噪声。然后可以丢弃噪声。

研究人员在论文中写道：“我们提出了一种在太阳系物体数据中进行异常检测的新方法，为遗留时空调查做准备。我们训练了一个用于异常检测的深度自动编码器，并使用学习到的潜在空间来搜索对于其他有趣的物体。”

作者的自动编码器基于发现星际物体(ISO)等异常现象。如果自动编码器能够识别它们，则意味着大量LSST数据变得更易于管理。“我们通过寻找有趣的例子(例如星际物体)来证明自动编码器方法的有效性，并表明使用自动编码器，可以找到更多有趣类别的例子，”他们解释道。