当科学家发现一颗新的恒星或星系时，他们通常依赖于从学术论文、目录和其他现有信息中提取的信息来对其发现进行分类。这虽然是常规做法，但效率并不理想。因此，来自伊利诺伊大学的研究人员创建了一个利用神经网络进行繁重工作的恒星-星系分类框架。
ConvNets是一种“深度卷积神经网络”，它是一种旨在沿着生物大脑的思路进行“学习”的计算机程序，并且经常用于图像识别。据创作者Edward J. Kim和Robert J. Brunner介绍，它直接从Sloan Digital Sky Survey和Canada-France-Hawaii-Telescope Lensing Survey获取数据，以生成与更传统的机器学习技术相媲美的准确分类。
这并不是神经网络首次应用于天文学领域，人工神经网络最早在1992年就已用于恒星-星系分类，尽管Kim和Brunner的最新研究更为先进，使研究人员能够通过光度数据对数十亿颗恒星和星系进行分类，而这些工作否则是不可能由人力完成的。
机器学习正渗透到科学研究的多个方面，从改进自动驾驶技术、人脸识别等等。未来，这类研究和突破将如何影响分类甚至太空探索，值得我们关注。
