自1953年第一次全國人口普查以來，我國已經開展了7次人口普查，之前的普查工作均是由街道辦事處挨家挨戶的摸查盤點完成，規模浩蕩，費時費力，獲取人口的年齡分布更是困難重重。

隨著大數據智能時代的到來，人口普查的方法有了很大進步。通過人工智能，大數據可以快速捕捉到人口信息，從而較為便捷地完成人口普查工作，可以說大數據智能化的出現為人口普查的變革提供了一個重要契機。

圖1. 人口普查漫畫 （圖源：網絡）

放眼宇宙，天文學家也一直致力于對數不勝數、形形色色的天體做一個統計學意義上的“星口普查”。而恒星們的年齡信息對于天文學家而言更是“天大”的秘密。人工智能可否有助于天體物理大數據背景下的“星口普查”，揭開恒星年齡之謎？天文學家給出了答案。

恒星年齡：“星口普查”的難點

恒星，作為宇宙尺度里的最小基本單元，自上個世紀以來，成為人類探究星系結構、起源和演化的重要工具。我們生活的銀河系就有著幾千億顆恒星，這些恒星處于不同的演化階段，它們的壽命與其質量緊密相連。

圖2. 恒星演化示意圖（圖源：維基百科）

恒星的基本性質主要取決于三個基本量：初始質量、最初各類化學元素的含量（化學豐度）和年齡。然而對這些基本量，尤其是質量和年齡的直接測量十分困難。對于雙星而言，我們可以通過物理結構直接得到它們的質量，而單星的質量測量需要依賴于恒星演化模型。由于缺乏精確的宇宙“時鐘”，對恒星年齡的直接測量幾乎是不可能的，我們只能通過恒星演化模型間接對年齡進行估計。如何更精準的確定恒星年齡也成為了天文學者一直努力探索的研究熱點。

觀測上，我們主要有兩種手段獲得大樣本恒星的基本信息，一是通過測光或光譜測量分析恒星大氣的基本參數，包括表面有效溫度、表面重力加速度（或者光度）、各種化學元素豐度等；利用大氣參數結合恒星演化模型我們可以進一步對質量、年齡進行估計。這就如同醫學上通過測定表面皮膚組織的結構來推斷人的年齡。

另一種常用手段是星震學分析，正如地震可以使地理學家了解地球內部構造一樣，恒星震動也可以讓天文學家推算遙遠恒星的內部結構和性質，從而進一步獲取恒星的質量、年齡等信息。

相較于第二種方法，第一種方法確定恒星年齡有明顯局限性，該方法僅能對處于特殊演化階段的部分恒星（如主序拐點星、亞巨星）年齡進行估計，且目前估算精度最高可以達到20%。且這一方法很難估計處于主序星和紅巨星階段的恒星年齡。而宇宙中大部分恒星處于主序階段；由于觀測亮度的局限，我們觀測到的大部分亮星則是處于紅巨星階段及之后的演化階段。

相比之下，星震學方法則可以給出類太陽振動恒星相對準確的質量估計，這為推測恒星年齡提供了可能。

紅巨星：銀河系成長的“見證者”

與人類相似，恒星也有它們的嬰兒時期，青年時期，中年階段以及老年階段。恒星演化到不同的年齡階段就會表現出不同的特征。說到恒星演化，我們自然會想到天文學家手里實用的工具之一---赫羅圖。通過天文觀測我們可以得到恒星的光度（或絕對亮度），以及恒星的有效溫度（或者光譜型、色指數），將這兩個量作為坐標軸繪制的關系圖就是赫羅圖。通過赫羅圖我們可以較為清晰地看到恒星的演化規律。從赫羅圖的右下角到左上角有一條帶，大部分恒星都集中在這條帶上，稱為“主序帶”。

圖3. 恒星的赫羅圖，橫坐標為恒星有效溫度，縱坐標為代表恒星光度的絕對星等（圖源：維基百科）

紅巨星是一顆恒星度過漫長的主序星階段進入“老年”時期的一種狀態，也就是恒星燃燒到后期所經歷的一個很短的不穩定階段。紅巨星在赫羅圖上已離開了主序帶沿著右上分支快速移動。也就是說恒星處在紅巨星不穩定階段的時標很短，一般而言需要幾百萬年，這與恒星幾十億年甚至上百億年的主序階段相比是非常短暫的。因此紅巨星的年齡主要由主序階段的壽命決定，而紅巨星在主序階段停留的時長主要取決于其質量大小。觀測研究表明，銀河系中大部分的紅巨星均呈現類太陽的振動模式，這樣一來天文學家便可以通過星震學分析得到它們的質量估計，從而利用星震學分析給出的恒星質量進一步推斷出這些紅巨星的年齡。

圖4. 類太陽恒星演化示意圖（圖源：國家天文臺）

另一方面，紅巨星的光度很大，可以探測到很遠的距離，因此成為了研究銀河系結構很好的探針。集“類太陽振動”、“亮度”于一身的紅巨星，成為了天文學家繪制銀河系結構樣貌和追溯銀河系精彩過往的重要“見證者”。

大數據時代背景下紅巨星的年齡普查

隨著各類空間望遠鏡和地基望遠鏡的巡天觀測，近些年，天文數據量呈現指數級增長，值得一提的是，我國自主創新研制的國家重大科技基礎設施、目前世界上光譜獲取率最高的LAMOST以發布千萬量級的天體光譜，天文學迎來了大數據天體物理時代。這對于天文學家而言即是機遇又是挑戰。天文學家竭盡全力尋找最高效、最便捷的方式來完成大規模天文數據的搜索及分類工作。其中機器學習算法成為大數據時代解決問題重要且關鍵的新興“工具”，而機器學習方法行之有效的前提則需要構建一個具有廣泛性、準確性和完備性的訓練樣本。 美國開普勒衛星（Kepler）為尋找類地行星對約20萬顆恒星（大部分是紅巨星和紅團簇巨星）進行了高質量測光觀測，Kepler數據的釋放，迎來了星震學的黃金時代。利用這些數據天文學家可以得到成千上萬顆巨星的星震學參數，這些參數為精確得到紅巨星質量和年齡提供了很大的幫助。LAMOST是對Kepler目標源進行光譜觀測最理想的地基望遠鏡，它提供了迄今為止數量最多的恒星光譜數據，為描繪紅巨星的“容貌”特征給出了豐富又準確的基本信息。這些共同源成為測量大樣本紅巨星年齡的極佳數據。

新興的機器學習方法及可靠的紅巨星訓練樣本，使得天文學家獲取大樣本紅巨星的“芳齡”成為可能。

圖5. 郭守敬望遠鏡LAMOST（圖源：孔嘯）

2019年，國家天文臺的武雅倩助理研究員、趙剛研究員以及德國馬普天文學研究所向茂盛博士等人利用LAMOST-Kepler紅巨星樣本，精確確定了6940顆紅巨星的質量和年齡，質量的典型精度為7%，年齡的典型精度為25%。利用可靠的訓練樣本，他們進一步估計了LAMOST DR4中64萬紅巨星的質量和年齡，典型誤差分別為10%和30%。 至此，研究人員通過人工智能，從LAMOST-kepler數據中成功獲取了64萬紅巨星樣本的年齡信息，完成了天體物理大數據背景下的一次“星口普查”，成為揭秘恒星年齡的代表性工作。

另一位恒星觀測領域的超級“大佬”——歐洲航天局發射的蓋亞衛星（Gaia），2018年發布了10億余顆恒星最精確的距離和自行測量數據。這樣一來，除了年齡，天文學家還可以輕松獲取紅巨星的運動學信息。珠聯璧合再出精品，近期，武雅倩等人繼續將64萬的紅巨星樣本與Gaia數據交叉，進一步計算了紅巨星的運動學參數，描繪出了銀盤恒星隨著年齡以及空間位置的運動特性。擁有年齡信息的64萬紅巨星樣本使得天文學家突破了僅能捕捉某一瞬間恒星運動特征的局限性，而是從時間維度上對銀盤的恒星運動進行了追蹤，為還原銀盤上恒星運動的演化歷史提供了可靠證據。

如此一個數據量夠大，擁有質量、年齡等豐富信息的64萬紅巨星大樣本將成為天文學家手中彌足珍貴的數據財富，在進一步理解星族合成和描繪銀河系演化的歷史畫卷等方面有著廣泛的應用前景。（趙宇豪）

論文鏈接：

https://academic.oup.com/mnras/article/484/4/5315/5321195

https://academic.oup.com/mnras/article/501/4/4917/6104314

作者簡介：武雅倩，現為國家天文臺元素豐度團組助理研究員。研究領域為銀河系化學動力學演化、天文大數據等。李雙，中國科學院國家天文臺工程師，LAMOST運行和發展中心宣傳主管。