我们经常认为天文学是一门视觉科学，拥有宇宙美丽的图像。然而，天文学家使用图像之外的各种分析工具，在更深层次上理解自然。
数据声化是将数据转换成声音的过程。它在研究、教育和外联方面有着强大的应用，也使盲人和视觉受损社区能够理解情节、图像和其他数据。
它作为一种科学工具的使用仍处于早期阶段，但天文学团体正在引领潮流。
在《自然天文学》上发表的一篇论文中，我和我的同事讨论了天文学和其他领域的数据声化现状，概述了100个基于声音的项目，并探讨了其未来的方向。
鸡尾酒会效应
想象一下这样的场景:你在一个拥挤嘈杂的派对上。你不认识任何人，他们都在说一种你听不懂的语言——这不好。然后你听到在一个遥远的角落里用你的语言交谈的片段。你专注于它，然后走过去介绍你自己。
虽然你可能从未经历过这样的聚会，但在嘈杂的房间里听到一种可识别的声音或语言的想法是熟悉的。人的耳朵和大脑能够过滤掉不需要的声音，并获取想要的声音，这种能力被称为“鸡尾酒会效应”。
类似地，科学总是在不断突破可检测的边界，这通常需要从嘈杂的数据中提取非常微弱的信号。在天文学中，我们经常努力寻找最微弱、最远或最短暂的信号。数据sonification帮助我们进一步拓展这些边界。
下面的视频提供了一些例子，说明声波如何帮助研究人员识别数据中微弱的信号。它的特点是由重复的快速无线电暴FRB121102发出的9次爆发的声波。
快速射电暴是一种毫秒级的射电发射，可以在半个宇宙范围内探测到。我们还不知道它们的成因。用其他波长探测它们是了解它们本质的关键。
好事太多了
当我们用望远镜探索宇宙时，我们发现它充满了灾难性的爆炸，包括恒星的超新星死亡，黑洞和中子星合并产生引力波，以及快速射电暴。
在这里你可以听到两个黑洞合并的声音。
以及两颗中子星的合并。
这些事件使我们能够在已知的最高能量和密度下理解极端物理。它们帮助我们测量宇宙的膨胀速率和它所包含的物质的数量，并确定这些元素是在哪里以及如何产生的，以及其他一些事情。
即将到来的设施，如鲁宾天文台和平方公里阵列，每晚将探测到数千万次这样的事件。我们使用计算机和人工智能来处理这些大量的检测。
然而，这些事件中的大多数都是微弱的爆发，而计算机在寻找它们方面也只能做到这一点。如果给计算机一个“期望”信号的模板，它就可以挑选出微弱的爆发。但如果信号偏离这种预期行为，它们就会丢失。
而往往正是这些事件最有趣，并产生了对宇宙本质的最大见解。使用数据sonification来验证这些信号并识别异常值的功能非常强大。
比我们看到的要多
数据声音化对解释科学很有用，因为人类解释音频信息的速度比视觉信息快。此外，耳朵能识别的音高水平比眼睛能识别的颜色水平更多(而且范围更广)。
我们探索数据声音化的另一个方向是多维数据分析——这包括理解声音中许多不同特征或属性之间的关系。
同时在十维或十维以上绘制数据太复杂了，解释它也太混乱了。然而，同样的数据可以通过声波更容易理解。
事实证明，人的耳朵可以立即分辨出小号和长笛的声音，即使它们以相同的音量和持续时间演奏相同的音符(频率)。
为什么?因为每个声音都包含高阶谐波，有助于确定音质或音色。高阶谐波的不同强度使听者能够快速识别乐器。
现在想象一下，把信息——不同性质的数据——作为不同强度的高阶谐波。每一个被研究的对象都有一个独特的音调，或者属于音调的一类，这取决于它的整体属性。
只要稍加训练，一个人几乎可以立即从单一的音调中听到并识别物体的所有属性或分类。
除了研究
Sonification在教育(Sonokids)和拓展(例如SYSTEM Sounds和STRAUSS)方面也有很大的用途，并在医疗、金融等领域有广泛的应用。
但也许它最大的力量是让盲人和视觉受损群体理解图像和情节，以帮助日常生活。
它还可以使有意义的科学研究成为可能，并且可以定量地进行，因为声波研究工具可以根据命令提供数值。
这种能力可以帮助盲人和视障人士促进STEM职业。通过这样做，我们可以利用大量杰出的科学家和批判性思考者，否则他们可能不会设想通向科学的道路。
我们现在需要的是政府和行业的支持，以进一步开发声波工具，提高访问和可用性，并帮助建立声波标准。
随着可用工具的数量不断增加，以及研究和社区的需求不断增长，数据声音化的未来听起来很光明!
