数据驱动天文学是一种研究范式，强调利用大型数据集和计算技术，特别是来自机器学习和人工智能的技术，来生成对天文现象的洞察和模型。这种方法与传统理论驱动天文学形成对比，后者通常从物理假设出发来解释观测结果。在数据驱动天文学中，模式、相关性和分类主要通过算法分析海量观测数据来发现，从而带来新发现和更高效的处理方式。
自2000年代初以来，由于大规模数字巡天的出现，该领域显著扩展，例如斯隆数字巡天（SDSS），它于2000年开始运行，已编目了数亿个天体。来自维拉·C·鲁宾天文台时空遗产巡天（预计2025年开始）等项目的数据量现在以拍字节计，如此庞大的数据量使得人工分析和传统统计方法变得不足，推动了先进计算工具的采用。
核心方法
数据驱动天文学依赖多种计算和统计方法。监督学习技术，包括神经网络和深度学习模型，常用于分类任务，如区分恒星、星系和类星体，或用于回归任务，如从测光数据估计星系红移。无监督学习，包括聚类算法，有助于识别新的天体群或可能指示新物理的异常事件。例如，使用自编码器的异常检测已被用于发现时域巡天中的异常光变曲线。
强化学习也找到了小众应用，例如优化望远镜观测调度以最大化科学回报。此外，概率方法，包括贝叶斯推断，对于量化数据驱动模型中的不确定性至关重要，为从嘈杂的天文观测中得出结论提供了严格的框架。
应用与发现
最突出的应用之一是天体分类。机器学习模型在分类来自SDSS和暗能量巡天等项目的数十亿个天体方面已达到高精度，从而能够创建供更广泛天文学界使用的综合星表。例如，卷积神经网络的使用在识别透镜星系和引力波候选体方面发挥了重要作用。
数据驱动技术也应用于系外行星发现。通过分析开普勒（2009-2018）和TESS（2018年至今）等任务的光变曲线，机器学习算法已成功识别出潜在的行星凌星事件，其中一些被传统方法遗漏。一个显著例子是2017年谷歌和NASA的研究人员使用深度学习模型发现系外行星，在开普勒数据中找到了两颗新行星。
在太阳物理学中，数据增强和神经网络有助于预测太阳耀斑和空间天气事件，这对卫星运行和地球电网具有实际意义。此外，数据驱动方法用于生成测光红移，这对理解宇宙大尺度结构和暗能量至关重要。
挑战与局限
尽管取得了成功，数据驱动天文学仍面临重大挑战。一个主要问题是模型的可解释性。许多高性能机器学习模型，特别是深度神经网络，作为“黑箱”运行，使得难以理解其预测背后的物理原因。可解释人工智能方面的努力正在解决这一问题，但这仍是一个活跃的研究领域。
另一个挑战是过拟合和训练数据偏差的风险。天文数据集通常包含选择效应和系统误差，模型可能无意中学习这些，导致有偏差的结果。使用交叉验证进行稳健验证和仔细的数据整理至关重要，以及整合领域知识来约束模型。最后，在海量数据集上训练复杂模型的计算成本需要大量基础设施，通常需要使用高性能计算集群或云服务。
结果的可复现性也是一个问题，因为复杂的数据处理流程和模型训练程序可能难以精确复制。
未来方向
数据驱动天文学的未来与即将到来的一代大型巡天和望远镜密切相关。维拉·C·鲁宾天文台每晚将产生约20太字节的数据，其时空遗产巡天将产生前所未有的瞬变事件警报流。使用流式机器学习算法的实时数据处理对于过滤这些警报并识别最值得后续观测的科学目标至关重要。
数据驱动方法与物理模型的整合，有时称为“物理信息机器学习”，是一个有前景的方向，其中神经网络被训练以纳入守恒定律和物理方程，提高准确性和泛化能力。使用Transformer (architecture)模型（已彻底改变自然语言处理）也正在探索用于分析天文时间序列和光谱，可能带来新的突破。
公民科学项目，如星系动物园，已从纯粹依赖人类志愿者演变为结合机器学习来处理大规模数据，现在数千万次分类由算法完成，并辅以人工监督。随着数据量持续增长，数据驱动天文学的作用将变得更加核心，使该领域成为21世纪天文学研究的支柱。
社区与合作
数据驱动天文学的发展促进了天文学家与计算机科学家之间的新合作。像伯克利人工智能研究实验室这样的研究团队已与天文学系合作。开源软件和共享数据集被广泛使用，围绕Astropy和scikit-learn等工具形成了社区，这些工具现已成为许多天文学工作流程的标准。像年度“天体信息学”会议和斯坦福人工智能实验室的研讨会等活动汇集了从业者，促进了这一快速发展的跨学科领域中的思想交流和实践分享。