天文学家一贯在利用红外图像来识别和剖析红外暗云的特色。亚毫米阵列和ALMA设备在可以表征冷分子气体的亚毫米波长上以高灵敏度和高分辨率运行，使天文学家能够跟踪这些新创造的源，并确定气体的温度、密度和运动，使得对这些恒星托儿所中恒星形成早期阶段的理解取得了新进展，其研究揭橥在《太平洋天文学会汇刊》上。制约研究的一个问题是缺少最新红外暗云目录。
紧张有三个困难：红外暗云的大小差异很大，从非常大的(大小超过一光年)到小一百多倍的，而且形状常日是不规则和模糊的，尤其是它们常常位于具有数百个其他来源的繁芜区域，在银河系中探求它们一贯是一项艰巨的任务。哈佛史密森天体物理学中央天文学家Jyothish Pariu和Joe Hora刚刚完成了一个新的红外暗云目录，个中包含从IRAC红外图像中提取的18845个。
人工智能研究利用开拓的一种新打算机算法，该算法利用轮廓查找和所谓的人工智能神经网络方法。这项技能扫描云层的暗边和闭合轮廓图像，并以一种人工智能自动化的客不雅观技能评估探测可靠性，该技能可以扩展到其他研究中利用。新红外暗云目录结果与起先的创造很好地同等，但除了创造更多红外暗云外，新目录还在低比拟度区域包含更多的红外暗云，也证明(正如预期的)许多以前识别的红外暗云实际上由两个或更多较小的红外暗云组成。
在过去的十年里，打算机视觉领域已经非常成熟，许多方法和技能对天文运用都是有用的。一个例子是搜索感兴趣工具的大型成像丈量，特殊是当很难指定要搜索的工具特色时。研究发展了一种利用等高线搜索和人工智能卷积神经网络(CNNs)在斯皮策太空望远镜银河平面不雅观测数据中搜索红外暗云(IRDC)的方法。红外暗云的大小、形状、方向和光学厚度可能不同，并且常日位于分子云和恒星形成的繁芜发射区域附近，这使得暗云很难可靠地识别。
假阳性可能发生在没有发射的区域，而不是来自前景暗云，研究实现的轮廓查找算法在镶嵌图中创造了大多数闭合图形，并且开拓了规则来过滤掉一些假阳性，然后许可儿工智能卷积神经网络对它们进行剖析。该方法被运用于银河系平面研究中的斯皮策太空望远镜数据，现在已经成果的建立了一个红外暗云目录，个中包括早期研究中没有包括的银河系平面其他部分。
博科园｜研究/来自：哈佛史密森天体物理学中央
研究揭橥期刊《太平洋天文学会汇刊》
DOI: 10.1088/1538-3873/ab7b39
博科园｜科学、科技、科研、科普
关注【博科园】看更多大美宇宙科学