射电图像立方体分类研究进展

现代射电望远镜每日将为平方公里阵列（SKA）等系统生成艾字节量级的数据集。海量数据集是未知与罕见天体物理现象的源泉，并由此带来发现。然而，这只有在借助密集机器智能以补充人工辅助与传统统计技术时才可行。近来，聚焦人工智能在射电天文学中应用的科学出版物激增，以应对源提取、形态分类与异常检测等挑战。本研究对机器智能技术在射电图像上的应用进行了简洁而全面的综述，重点强调射电星系的形态分类。其旨在基于数据复杂性、数据预处理与方法学新颖性，对相关文献进行细致的综合梳理。计算机智能在射电天文学中的快速进展与应用已引发一场革命，并带来繁重数据流程自动化的新范式转变。然而，人工智能在射电天文学中的最优利用，呼唤在标注数据集创建方面持续的协作努力。此外，为快速定位具有相似或相异物理特征的射电星系，有必要对已识别射电源建立索引。尽管如此，该问题在文献中尚未得到充分解决，使其成为值得进一步研究的开放领域。