中国科学院国家天文台脉冲星和引力物理研究团组开发了基于人工智能的脉冲星巡天处理加速程序，通过创新性的搜索流程优化和针对性的深度学习架构设计，该加速系统可以将SKA先导望远镜MWA-SMART巡天中时间消耗占比最高的折叠步骤加速60倍，为解决未来的SKA等大规模巡天的大量资源消耗提供了一种解决方案。该工作发表于《Monthly Notices of the Royal Astronomical Society, MNRAS》。

基于FFT 的脉冲星搜索，需要遍历所有可能的色散（DM）值消除时间延迟，并通过快速傅里叶变换获得潜在周期，得到大量 DM-周期组合候选体。研究团队提出了一种高效的三阶段筛选策略：首先对去色散后的时间序列快速折叠获取初筛候选体；随后利用基于脉冲星时域特征的人工智能模型进行选择过滤；最后对保留下来的少量高可信度候选体进行完整折叠与确认。该方法显著降低了计算量，大幅提升了脉冲星搜索效率。

文章链接：https://doi.org/10.1093/mnras/staf1952