一、核心数据：AI 天文发现累计（截至 2026-10-06）
| 发现类型 | 1970s-2000s 累计 | 2010s 累计 | 2020s 累计 | AI 驱动占比 |
|---|---|---|---|---|
| 系外行星 | ~300 颗 | ~2,000 颗 | ~6,500 颗 | >85% (Kepler/TESS 数据) |
| 引力波事件 | 0 | 13 (2015-2018) | ~200 (2019-2026) | >95% (LIGO ML 流水线) |
| 超新星识别 | ~5,000 颗 | ~50,000 颗 | ~500,000 颗 | >70% (ZTF/BTS 数据) |
| 宇宙微波背景分析 | ~50 TB/年 | ~500 TB/年 | ~50 PB/年 | >90% (Planck/SPT 数据) |
| 快速射电暴分类 | 0 | ~50 颗 | ~1,000 颗 | >95% (CHIME 数据) |
二、关键节点数据可视化
1. AI 算力在天文研究中的增长
2020 年：约 100 PFLOPS 算力应用于天文学（含 SETI@home 分布式）
2025 年：约 50 EFLOPS 算力应用于天文学（含 LIGO/Vera Rubin Observatory）
5 年增长 500 倍，是同期通用 AI 算力增长 30 倍的 16 倍。
2. LLM 在天文研究中的渗透率
2023 年：约 15% 天文学论文使用 LLM 辅助撰写或分析2026 年：约 65% 天文学论文使用 LLM 辅助3 年增长 4 倍，是 AI 整体渗透速度的 2 倍。
三、里程碑事件
- 1974：阿雷西博望远镜向 M13 球状星团发送 Arecibo Message（人类首个地外信息）
- 1999：SETI@home 项目上线（分布式计算+AI 信号分析雏形）
- 2012：Kepler 望远镜 + 机器学习发现 Kepler-22b 等首批宜居带行星
- 2015：LIGO + 机器学习首次探测引力波（GW150914）
- 2020：AlphaFold2 解决蛋白质折叠问题（含天文学衍生应用）
- 2022：韦伯望远镜首批图像+AI 增强分析
- 2025：Vera Rubin Observatory + LLM 实时天文分类
- 2026：多信使天文学进入 LLM 协同分析时代
四、未来 5 年预测
① 系外行星：JWST + LLM 联合发现预计突破 10,000 颗② 引力波：LIGO/Virgo/KAGRA 三方联合+LLM 实时分析，预计年度检测 500+ 事件③ 暗物质/暗能量：Euclid 巡天 + LLM 数据分析，预计 2028 年突破性发现④ 地外文明：SETI + LLM 全频段扫描，预计 2030 年首次发现候选信号
