资源简介

第四单元 第4课
人工智能与天文学
清华版（中学）
通
1
学习目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
教学目标
（1）了解天文学发展历程及人工智能在处理天文大数据中的重要作用。
（2）认识人工智能在天文学中的应用场景和技术方法。
02
新知导入
02
新知导入
AI的变革性作用??
机器学习通过高效处理图像、光谱等数据，助力天体分类、引力波探测等研究，推动天文学进入智能分析时代。
03
新知讲解
1
天文学的发展与面临的挑战
1、人类对宇宙的永恒追问??
从屈原的《天问》到现代天文学，人类对宇宙的探索欲望跨越千年。
上下未形，何由考之？冥昭瞢暗，谁能极之？”——屈原《天问》
03
新知讲解
1
天文学的发展与面临的挑战
2、古代天文学的朴素起源??
古代人没有观测工具，只能肉眼观察星象，将星辰变化刻在石壁竹签上，由此积累经验编制星图、占星术等原始天文知识体系。
03
新知讲解
1
天文学的发展与面临的挑战
3、东西方天文学的奠基??
中国的《甘石星经》是世界最早天文学著作，西方古希腊希帕克斯精确记录日月运动，编制首个综合性星表。
《甘石星经》片段
03
新知讲解
1
天文学的发展与面临的挑战
4、观测技术的代际跃迁??
从肉眼观测到精密仪器，数据获取能力提升推动天文学从经验描述转向定量分析。
03
新知讲解
1
天文学的发展与面临的挑战
5、望远镜的发明与改进??
1608年荷兰人发明望远镜，1609年伽利略改进并首次用于天文观测，开创了现代天文学的新纪元。
伽利略和他的天文望远镜
03
新知讲解
1
天文学的发展与面临的挑战
伽利略（1564-1642）??：意大利天文学家、物理学家，近代实验科学奠基人，以改进望远镜、支持日心说和自由落体实验闻名，被誉为“现代科学之父”。
03
新知讲解
1
天文学的发展与面临的挑战
6、望远镜的革命性发现??
伽利略通过望远镜观测月球，发现其表面存在山脉和陨石坑，颠覆了“月球完美无瑕”的传统认知，奠定了望远镜在天文研究中的核心地位。
03
新知讲解
1
天文学的发展与面临的挑战
7、多波段望远镜的技术革新??
为突破可见光局限，人类开发射电、红外、紫外等望远镜，实现全波段宇宙观测，还将望远镜送入太空，如哈勃望远镜和詹姆斯?韦伯望远镜。
03
新知讲解
1
天文学的发展与面临的挑战
8、 巨型望远镜的工程突破??
通过增大望远镜口径与规避大气干扰，来捕捉更遥远微弱的天体信号，如欧洲极大望远镜主镜直径 39 米，中国射电望远镜 “天眼” 口径 500 米。
03
新知讲解
1
天文学的发展与面临的挑战
9、天文学的大数据挑战??
中国天眼每天产生的数据量高达150TB，哈勃空间望远镜每年能产生数万亿字节的蕴含着丰富的宇宙信息的数据，传统分析方法面临效率与精度双重瓶颈。
哈勃望远镜发现130亿光年外的星系
03
新知讲解
1
天文学的发展与面临的挑战
10、AI驱动的天文研究变革??
机器学习（如卷积神经网络）高效处理海量数据，助力天体分类、引力波探测等，推动天文学进入智能时代。
03
新知讲解
2
人工智能在天文学中的应用
1、干扰检测：监控天文望远镜工作状态
荷兰科学家利用“变分自编码器”将射电望远镜数据映射到二维空间，通过数据偏移检测设备异常，实现实时故障预警。
03
新知讲解
2
人工智能在天文学中的应用
1、干扰检测：射频干扰挑战
人类活动产生的射频干扰（如通信信号）严重干扰射电望远镜对微弱太空信号的捕捉，若不滤除将导致观测失效。
03
新知讲解
2
人工智能在天文学中的应用
1、干扰检测：AI驱动的干扰检测技术??
2019年研究通过“全卷积网络”识别射电数据中的干扰特征（如特定频段异常），实现高效噪声滤除，保障观测精度。
用深度卷积神经网络检测射电频率干扰
03
新知讲解
2
人工智能在天文学中的应用
2、天文台选址与观测规划
（1）AI优化天文台选址??
通过分析海拔、大气稳定性等地理环境、气象数据等复杂因素，AI预测并评估最佳观测台站位置。
03
新知讲解
2
人工智能在天文学中的应用
2、天文台选址与观测规划
（2） 智能观测计划设计??
AI综合地球公转轨迹、目标天体周期、环境干扰（光污染、天气）等因素，自动生成高效观测方案。
03
新知讲解
2
人工智能在天文学中的应用
2、天文台选址与观测规划
（3）精准观测辅助决策??
针对特定天体，AI计算最佳观测时间窗口与望远镜仰角，最大化数据质量（如避开月球干扰或大气湍流）。
03
新知讲解
2
人工智能在天文学中的应用
双子星天文台??由位于北半球的夏威夷毛纳基山和南半球的智利安第斯山的两台8.1米口径光学/红外望远镜组成，通过南北协同实现全天区覆盖，配备自适应光学等先进技术。
位于夏威夷和智利的双子星天文台
03
新知讲解
2
人工智能在天文学中的应用
3、天文信息挖掘
（1）AI技术在天文数据处理中的高效性??
深度学习技术（如卷积神经网络）能快速处理海量天文数据，实现天体的自动定位与分类，显著提升分析效率。
03
新知讲解
2
人工智能在天文学中的应用
3、天文信息挖掘
（2）重大天文发现的AI助力??
中科院上海天文台利用AI技术发现五颗直径小于地球，轨道周期<1天的超短周期行星，其中四颗刷新了行星与主星最小距离纪录。
超短周期行星艺术概念图
03
新知讲解
2
人工智能在天文学中的应用
3、天文信息挖掘
（3）学术影响力的突破??
中科院成果发表于《皇家天文学会月报》，标志着AI在天体发现领域的可靠性与学术价值获得国际认可。
03
新知讲解
4
总结
1、AI在天文学中的深化应用??
人工智能技术持续升级，将更深度参与天体观测、数据分析及理论建模，成为天文学研究的关键工具。
03
新知讲解
4
总结
2、 AI驱动的宇宙新发现??
通过分析海量数据，AI有望揭示黑洞行为、暗物质分布等未解之谜，并预测彗星撞击、超新星爆发等天文事件。
03
新知讲解
4
总结
3、天文学的新时代展望??
AI的介入将加速宇宙规律的发现，推动天文学从“数据积累”转向“智能探索”，开启认知宇宙的新范式。
03
新知讲解
思
考
与
讨
论
1、AI发现的天体或规律若申请专利，是否合理？科学知识是否应被私有化？
（1）??不合理。天体与宇宙规律属自然存在，专利化违背科学共享原则（如黑洞发现不可垄断）；AI分析工具或算法可申请专利，但成果本身应开放（如NASA公开引力波数据）。
（2）有限保护。科学本质是公共产品，私有化阻碍人类整体进步（如爱因斯坦未专利相对论）；仅限技术实现（如观测设备、AI模型），非知识本身。
04
课堂练习
一、判断题。
1、肉眼观测是现代天文学的主要数据来源。（　 ）
2、射电频率干扰是人类活动对天文观测的唯一干扰。 （　 ）
3、双子星天文台的两台望远镜分别位于赤道两侧。 （　 ）
4、AI可以完全替代天文学家进行宇宙规律的理论研究。 （　 ）
5、《甘石星经》记录了太阳黑子的活动规律。 （　 ）
×
×
√
×
×
04
课堂练习
二、选择题
1、以下哪项不是现代天文望远镜的类型？（ ）??
A. 射电望远镜 B. 红外望远镜 C. 显微镜 D. 紫外望远镜
2、伽利略对天文学的主要贡献不包括？?? （ ）??
A. 改进望远镜 B. 发现木星卫星 C. 提出量子力学 D. 支持日心说
3、??AI在天文学中的应用不包括？?? （ ）??
A. 自动分类天体 B. 预测天气
C. 优化望远镜选址 D. 滤除射频干扰
4、《甘石星经》是哪个国家的天文学著作？?? （ ）??
A. 古希腊 B. 中国 C. 埃及 D. 印度
C
C
B
B
04
课堂练习
三、填空题
1、伽利略??通过改进望远镜观测月球，发现其表面存在________和陨石坑，颠覆了传统认知。
2、??FAST望远镜??位于中国贵州，是全球最大的单口径________望远镜，口径达500米。
3、??变分自编码器??被荷兰科学家用于监控射电望远镜，通过将数据映射到________空间来检测设备异常。
4、??中科院上海天文台??利用AI技术发现了五颗_____ ___行星，其中四颗刷新了行星与主星最小距离纪录。
山脉
射电
二维
超短周期
05
拓展延伸
1、量子天文计算??
量子计算机通过并行计算加速星系演化模拟（如暗物质分布建模），突破经典算力瓶颈。
05
拓展延伸
2、AI天文教育??
虚拟天文台利用AI生成交互式宇宙可视化内容（如3D星系漫游），降低公众学习门槛。
05
拓展延伸
3、太空垃圾监测??
AI通过分析雷达/光学数据实时追踪太空垃圾轨迹（如失效卫星），预测碰撞风险并预警。
06
课堂总结
1
人工智能在天文学中的重要作用
2
人工智能在天文学中的应用场景
3
人工智能在天文学中的技术方法
4
完成课堂练习
5
进行相关知识拓展
1
2
3
4
5
人工智能与天文学
07
板书设计
人工智能与天文学
1、人工智能在天文学中的重要作用
2、人工智能在天文学中的应用场景
3、人工智能在天文学中的技术方法
4、完成课堂练习
5、进行相关知识拓展
课后作业。
1、列表对比传统天文数据分析方法（如人工分类）与AI方法（如卷积神经网络）的优缺点。
08
课后作业
1、列表对比传统天文数据分析方法（如人工分类）与AI方法（如卷积神经网络）的优缺点。
对比维度??
??传统方法（人工分类）??
??AI方法（如CNN）??
??效率??
耗时（依赖专家经验）
高速（自动化处理海量数据）
??准确性??
主观性强（易受个体差异影响）
高精度（标准化输出，减少人为误差）
??适用性??
小规模数据（如局部星图）
超大规模数据（如全天区巡天）
??灵活性??
可解释性强（规则明确）
黑箱性（决策逻辑不透明）
??成本??
人力成本高
前期训练成本高，后期边际成本低
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑