大模型首次接入天文望远镜!基于通义千问,“星语3.0”发布

简介: 大模型首次接入天文望远镜!基于通义千问,“星语3.0”发布


今天,中国科学院国家天文台人工智能工作组发布新一代天文大模型——“星语3.0”


“星语3.0”基于阿里云通义千问开源模型打造,目前已成功接入国家天文台兴隆观测站望远镜阵列--Mini“司天”。这是大模型在科学领域落地的经典案例,也是大模型在天文观测领域的首次应用。



天文望远镜是人类探索宇宙的“照相机”。相比单体望远镜,大型望远镜阵列能更有效地整合高性能望远镜资源,成本更低,观测效率更高。随着望远镜数量的不断增加,如何控制大型望远镜阵列已成为当今天文界共同面临的挑战


以往天文观测主要依赖观测助手和科研人员的配合。科研人员往往需要根据观测所在地气象情况修改观测计划,在观测室等待数据返回并实时分析数据,再根据结果修改观测计划。重要观测目标的每个环节都需要人工参与,效率低且难以同时控制多个望远镜。


“星语3.0”尝试解决这一难题。依托阿里云通义千问底模和百炼平台,“星语3.0”基于超30万专家订正数据完成训练,在天文物理等专业能力上表现突出。


目前,“星语3.0”已成功接入国家天文台兴隆观测站望远镜阵列——Mini“司天”,可实现自主控制望远镜进行观测、分析观测结果,智能地给出下一步观测建议。


例如,当收到“观测某星体”的任务时,“星语3.0”首先查询某星体的坐标信息,反馈给观测人员;当得到确认后,“星语3.0”将按照观测人员输入的计划进行自动观测;单次曝光完成后,大模型将回收并处理数据,根据结果判断目标源的观测价值,推荐接下来的观测计划。


未来,星语大模型将接入国家天文台大型望远镜阵列“司天”(Mini“司天”即为“司天”的一部分)。“司天”是我国天文学家面向时域天文学提出的国家级重大天文基础设施项目,至2030年米级望远镜数量预期达到72架,每晚产生约140TB处理后数据,成为全球巡天效率最高的项目。星语大模型的接入将科研人员从繁琐的观测中解放出来,更加专注于研究。


“全新升级的星语大模型正在向智能体方向发展。”国家天文台人工智能工作组智能体开发方向的李瑀旸表示,“星语将吸收更多天文细分领域知识,融合现有科研模型、算法和成果,打造‘One For All’的天文+AI新范式。星语将降低天文学家在跨方向交流和工作时的门槛,提高科研效率,让天文学家将注意力更多的集中在天文发现上。”


目录
相关文章
|
2月前
|
人工智能 开发者
通义千问三款主力模型再降价,最高降幅85%
通义千问三款主力模型再降价,最高降幅85%
559 12
通义千问三款主力模型再降价,最高降幅85%
|
2月前
|
人工智能 自动驾驶 云栖大会
大模型赋能智能座舱,NVIDIA 深度适配通义千问大模型
9月20日杭州云栖大会上, NVIDIA DRIVE Orin系统级芯片实现了与阿里云通义千问多模态大模型Qwen2-VL的深度适配。阿里云、斑马智行联合NVIDIA英伟达推出舱驾融合大模型解决方案,基于通义大模型开发“能听会看”的智能座舱助理,让车内人员通过语音交流就能操作座舱内的各类应用,享受极致丰富的交互体验。
224 14
|
2月前
|
API 云栖大会
通义千问升级旗舰模型Qwen-Max,性能接近GPT-4o
通义旗舰模型Qwen-Max全方位升级,性能接近GPT-4o
940 11
|
2月前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
16天前
|
人工智能 边缘计算 自然语言处理
DistilQwen2:通义千问大模型的知识蒸馏实践
DistilQwen2 是基于 Qwen2大模型,通过知识蒸馏进行指令遵循效果增强的、参数较小的语言模型。本文将介绍DistilQwen2 的技术原理、效果评测,以及DistilQwen2 在阿里云人工智能平台 PAI 上的使用方法,和在各开源社区的下载使用教程。
|
24天前
|
自然语言处理 Java API
Spring Boot 接入大模型实战:通义千问赋能智能应用快速构建
【10月更文挑战第23天】在人工智能(AI)技术飞速发展的今天,大模型如通义千问(阿里云推出的生成式对话引擎)等已成为推动智能应用创新的重要力量。然而,对于许多开发者而言,如何高效、便捷地接入这些大模型并构建出功能丰富的智能应用仍是一个挑战。
94 6
|
7天前
通义千问—7B模型
在交互式问答中,模型对历史信息的记忆能力较弱。例如,在询问“辽宁省会在哪儿”之后,如果不持续提及“沈阳”,模型将无法记住该城市,导致回答变得空泛。
|
23天前
|
存储 人工智能 Serverless
通义千问大模型
在数字化时代,企业面临海量客户对话数据处理的挑战。阿里云推出的AI大模型助力客户对话分析方案,通过整合多种云服务,实现对话内容的自动化分析,提升服务质量和客户体验。本文将深入评测该方案的优势与实际应用效果。
|
1月前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了一种结合知识图谱与大型语言模型(LLM)的GraphRAG系统,利用PolarDB、通义千问及LangChain实现。知识图谱通过结构化信息、语义理解和推理等功能,增强了信息检索与自然语言处理效果。PolarDB具备图引擎与向量检索能力,适配知识图谱存储与查询。通义千问处理自然语言,LangChain则整合模型与应用。实战步骤包括环境准备、数据库配置与数据导入,并通过实例展示了图谱与向量联合检索的优越性,提升了问答系统的准确性和实用性。
|
4月前
|
JSON API 定位技术
AppFlow:让通义千问大模型调用你的任意API
在阿里云AppFlow中,通过自定义插件连接器可使通义千问获取特定功能,如旅游规划或投资辅助。登录AppFlow控制台,选择“自定义连接器”,上传图标,设定基本信息,选“插件连接器”。支持Basic、Bearer Token、AppCode等鉴权。精确配置API名称、描述及请求参数,确保模型调用准确。参考示例curl命令调整参数结构,填写响应体帮助模型解析。发布后,在模型Agent搭建中选用自定义连接器增强功能。