人工智能在SKA时代的作用

平方公里阵列天文台（SKAO）将开启射电天文学中前所未有的数据复杂性和科学机遇时代，产生拍字节级数据集和每秒太比特的数据流，对传统分析范式构成挑战。人工智能（AI）站在这一变革的前沿，为射电天文学和天体物理学中最紧迫的问题提供可扩展、自适应的解决方案。本章探讨了AI在SKA时代的关键作用，从实时操作到科学发现。我们研究了深度学习模型如何实现自动源检测、射频干扰抑制、异常检测和参数推断，而生成方法则加速了天空模拟、校准和成像。强化学习有望实现动态调度和自主系统控制，联邦学习可以解决SKA数据的分布式特性。除了性能之外，我们强调可解释性、不确定性量化和物理信息归纳偏置的必要性，以确保科学完整性。通过将SKAO的核心挑战——数据量、复杂性和可解释性——映射到现代AI方法上，我们回顾了深度学习、自监督框架和概率模型如何开启宇宙学、星系演化和时域天体物理学的新前沿。AI不仅仅是应对规模问题的自动化工具。它是发现的催化剂，重新定义了我们对宇宙的观测、建模和理解方式。