为科学中的异常检测构建机器学习挑战
快速阅读: 《天体生物学网》消息，科学家们创建了三个数据集，分别涉及天体物理学、基因组学和极地科学，以推动基于机器学习的科学异常检测技术的发展。这项工作遵循FAIR原则，旨在促进科学发现的可发现性、可访问性、互操作性和可重用性。
构建用于科学异常检测的机器学习挑战
作者：基思·考丁
状态报告
cs.LG 2025年4月26日
分类为：cs.LG 机器学习挑战的流程概览，以及用于训练的数据集。所有准备工作都明确遵循FAIR原则，数据整理和清洗的工作流存放在GitHub上。Codabench平台和NERSC计算集群用于对提交结果进行评分和排名。——cs.LG
编者按：
当我们派出天体生物学和天体地质学的探险队伍前往其他星球时，他们需要具备较强的自我保障能力。实际上，大部分初步研究可能在地球外开展。拥有最精简且高效的工具至关重要。这既包括用于野外考察的手持设备，也包括基地营地使用的设备。将专家系统、人工智能、机器智能等融入我们的手持设备中，或者作为独立系统部署在多个传感器和人类研究人员共用的研究基地，将大大加速并聚焦研究。
科学发现通常通过寻找现有科学规则未能预测到的模式或对象而实现。很多时候，这些不符合常规的异常现象或对象表明现有的科学规则对数据的解释存在不足，需要引入新的因素来解释这些意外的异常值。
科学发现通常通过寻找现有科学规则未能预测到的模式或对象而实现。寻找异常的挑战充满难度，因为它要求我们编码完整的已知科学行为知识体系，并将这些已知行为映射到数据中以寻找偏差。当我们运用机器学习时，这尤其具有挑战性，因为我们不仅要求模型充分理解科学数据，还要识别数据何时超出训练行为范围的一致性。
寻找异常的挑战充满难度，因为它要求我们编码完整的已知科学行为知识体系，并将这些已知行为映射到数据中以寻找偏差。
本文提出了三个数据集，旨在开发面向不同科学领域的基于机器学习的异常检测技术，涵盖天体物理学、基因组学以及极地科学。我们提出不同的数据集，并提出一种通用的解决方案，使围绕这三个数据集的机器学习挑战具备可发现性、可访问性、互操作性和可重用性（FAIR）。此外，我们提出了一种通用的方法，使更大规模、更高计算强度的挑战成为可能，最终可能促成科学发现。
伊丽莎白·G·坎波隆戈、周元唐、叶卡捷琳娜·戈沃科娃、瓦希德·比姆吉、赵伟伦、克里斯·哈里斯、许士杰、希尔马·拉普、马克·S·纽鲍默、约瑟芬·纳马扬贾、阿内什·苏布拉马尼安、菲利普·哈里斯、阿迪瓦·安南德、大卫·E·卡尔林、苏班卡尔·高什、克里斯托弗·劳伦斯、埃里克·莫雷诺、瑞安·雷克曼、吴佳蔓、张子衡、拜尤·阿迪、穆罕默德·艾哈迈迪·加雷霍特罗格、索尔·阿尔瓦雷斯·蒙萨尔韦、玛塔·巴巴奇、法尔坎·贝格、南姆拉塔·班纳吉、威廉·巴顿、泰勒·巴纳、坦雅·贝尔格-沃尔夫、阿迪亚·布索·迪恩格、米凯尔·布拉赫曼、昆汀·布奥、大卫·C·Y·许、方芳曹、弗朗科·切里诺、张一俊、夏巴杰·乔查尔、陈安凯、陈德明、陈逸晨、周嘉睿、蔡志辰、迈尔斯·科克兰-布兰森、阿图尔·科尔代罗·乌多特·崔、迈克尔·库格林、马泰奥·克雷门西、玛丽亚·达达鲁塔、彼得·达奇、马拉尼·德赛、丹尼尔·迪亚兹、史蒂文·迪尔曼、哈维尔·杜阿尔特、伊莎·杜普尔热、乌拉斯·埃卡、萨巴·恩特扎里·赫拉维、郝航、瑞安·弗林、杰弗里·福克斯、艾米莉·弗里德、高航、高晶、朱莉娅·贡斯基、马修·格雷厄姆、阿博法齐尔·哈希米、斯科特·豪克、詹姆斯·哈泽尔登、乔舒亚·亨利·彼得森、胡克黄、胡伟、米歇尔·胡恩内费尔德、大卫·海德、万丹娜·珍尼亚、那塔蓬·贾罗查尼、焦浩义、康云帆、马克西姆·霍利亚夫琴科、埃尔汉·E·霍达、金善银、阿迪蒂亚·库马尔、赖伯成、黎忠、李超威、李浩阳、林浩、刘敏、刘晓林、刘旭龙、弗拉基米尔·隆查尔、吕方征、伊利亚·马卡罗夫、阿比希克塔·马利帕利、陈宇毛、亚历山大·米歇尔斯、亚历山大·米加拉、法鲁克·莫克塔尔、马修·莫利格姆等。（另有50位作者未列出）
评论：18页，6幅图表，即将投稿至《自然·通讯》
领域：机器学习（cs.LG）；天文学仪器与方法（astro-ph.IM）
引用格式：arXiv:2503.02112 [cs.LG]
DOI：https://doi.org/10.48550/arXiv.2503.02112
重点关注更多内容
由：菲利普·哈里斯
[v1] 2025年3月3日 星期一 22:54:07 UTC
天体生物学，作者：基思·考丁
探索俱乐部研究员，曾任NASA空间站有效载荷经理/太空生物学家，远征队成员，记者，业余登山爱好者，联觉者，纳维-绝地-弗雷曼-佛教混血儿，手语使用者，德文岛和珠峰基地营的老兵，（他/他）
(以上内容均由Ai生成)
