在浩瀚的宇宙探索之旅中，一项名为“暗能量探索者”的参与式科学项目正逐步揭开暗能量这一宇宙最大谜团的面纱。该项目与霍比-埃伯利望远镜暗能量实验（HETDEX）携手，共同对数百万个星系进行分类，旨在绘制出前所未有的宇宙地图。
HETDEX的核心目标是构建一个包含莱曼α发射线星系的庞大数据库，这些星系的光与宇宙中激发态的氢气紧密相关，是追踪宇宙大尺度结构和测量宇宙膨胀的关键。项目团队计划收集距离地球90亿光年至110亿光年间的数百万个星系数据，这些数据将为科学家提供宝贵的信息，进一步验证或推翻现有的暗能量理论。然而，面对如此庞大的数据量，如何高效处理成为了一个棘手的问题。
由于HETDEX采用的是无目标巡天观测模式，即不是对准特定目标，而是对广阔天空进行多年的反复扫描，因此需要手动对图像中的天体进行分类。在无数探测到的天体中，找出真正的星系并排除假阳性天体，对于HETDEX这个相对较小的团队来说，无疑是一项艰巨的任务。于是，“暗能量探索者”项目应运而生，它通过培训公众参与星系分类，为这一难题提供了新的解决方案。
“暗能量探索者”项目以无术语教程为核心，让从初中生到退休人员在内的公众都能轻松上手，成为一名“HETDEX天文学家”。参与者需要学习如何从图像中识别并分类星系，将每个源标记为“保留”或“丢弃”。自2021年启动以来，“暗能量探索者”已经吸引了来自全球150多个国家的18000多名志愿者，共同完成了600多万个星系分类。
为了确保分类的准确性和可靠性，“暗能量探索者”项目采用了多重验证机制。每个星源都会被至少10名参与者分类，然后对这些分类结果进行平均，得出星系探测的正确概率。在此基础上，项目还引入了机器学习技术，以提高分类效率。然而，单纯依赖机器学习并不能达到科学规范所需的精确度，因此“暗能量探索者”项目将参与式科学与机器学习相结合，形成了独特的优势。
通过“暗能量探索者”项目收集的数据，不仅可以用于训练有监督的机器学习算法，还有助于理解无监督的机器学习算法。这一结合不仅提高了星系分类的准确性，还避免了可能污染最终用于暗能量计算的星表的错误探测。随着项目的持续推进，来自全球各地的志愿者将继续为解开暗能量之谜贡献自己的力量。
