约翰霍普金斯大学的这篇论文强调了数据科学在加速时空和望远镜的概率性目录匹配中所扮演的角色
约翰霍普金斯大学的这项研究揭示了数据科学在加速时空和望远镜概率性目录匹配中的关键作用
太空研究中的一个大问题是在不同的天空调查中是否看到相同的星星或星系。现今的望远镜使用各种类型的光收集了成千上百甚至十亿的物体数据。然而，将不同调查的数据连接起来却相当困难。
过去的方法无法处理多样化的海量数据。这使得辨别两个调查是否观察到了相同的物体（如星星或星系）变得困难，而这些物体散布在广阔的天空覆盖领域之中。这造成了问题，因为科学家无法将不同天空调查中相同物体的测量结果合并在一起。
约翰霍普金斯大学的研究人员找到了解决这个问题的新方法。他们创建了一个智能计算机程序（算法），对不同天空调查中的观测对进行评分。这些评分告诉我们观测对象为同一物体的可能性有多大。该程序会考虑物体的位置、亮度、颜色和其他细节，以判断它们是否相同。
这种方法非常精确，并且能够处理大量的数据。它有助于连接对于不同捕获方式的微弱和明亮物体的观察结果。该程序可以筛选数十亿条目的目录，并找出天体之间的匹配。这些评分还有助于确认匹配是否正确。
这种连接数据的新方法充分利用了数据科学和关于太空测量的知识优势。它考虑事物的位置、亮度、颜色等因素的概率，并理解观测中的不确定性。这为科学开辟了令人兴奋的机会，因为现在我们可以可靠地判断不同调查中观测到的相同物体。
通过合并有关单颗恒星、星系和其他物体的数据，科学家可以更多地了解它们的性质、位置、移动方式以及随时间的变化。这种方法使我们能够将来自不同类型光（如紫外线、光学、红外线、X射线、γ射线和无线电波）的测量结果结合起来，获得一个更好的观测视角，这些光由不同望远镜扫描天空的不同部分显示的独特物体。这是一种发现更多关于从变化的恒星到巨大黑洞的一切的新方法。
