ExoQuest：用游戏化众包寻找下一个地球

ExoQuest是一个结合公民科学与机器学习的开源项目，通过游戏化界面让普通用户参与系外行星信号筛选，构建人机协同的宜居行星发现系统。该项目旨在解决专业天文学家处理海量天文数据（如TESS和Gaia DR3任务数据）能力不足的问题，利用人类直觉判断模糊信号，通过主动学习循环提升模型性能。

地球面临气候变化、资源枯竭等生存威胁，寻找宜居系外行星成为天文学界紧迫课题。传统探测依赖专业团队，但TESS和Gaia DR3数据量超专业处理能力；系外行星信号存在模糊地带（假阳性可能来自恒星活动、噪声等），这些边界案例需人类直觉判断。ExoQuest试图通过游戏化方式将公民科学家直觉转化为高质量机器学习训练数据。

ExoQuest由三个核心组件构成生态系统：

1. ExoQuest科学管道：含Scout（筛选K型矮星目标）、Pulse（Wotan算法去趋势降噪）、QuestX（TransitLeastSquares算法凌日搜索）；
2. XQuest游戏化界面：含Transit Toss（滑动标注判断信号）、Mission HUD（叙事驱动角色成长）、Leaderboard（全球发现排行榜）；
3. ExoReg注册中心：维护可搜索数据库存档所有处理恒星数据，确保科学可重复性。

ExoQuest的核心创新是主动学习循环：

1. 筛选机器置信度中等的模糊信号；
2. 用户通过游戏界面标注；
3. 积累标注后重训练主学习模型（MLM）；
4. 模型提升后聚焦更困难的边界案例。 该循环形成正向反馈：更多用户→更多训练数据→更好模型→处理更大数据集。

为维持用户长期参与，ExoQuest采用：

• 叙事包装：用户扮演"银河建筑师"赋予工作意义；
• 进度可视化：8模块成长路径解锁功能与故事线；
• 等待优化：教育性图标展示恒星知识；
• 超时处理：7秒延迟触发通知，允许用户选择继续或稍后返回。

ExoQuest是开源项目，通过GitHub协作，欢迎天文学家、开发者等各背景贡献者。开源确保：

• 透明度：可审计数据流程验证结论；
• 可持续性：社区可接管维护；
• 教育价值：学生通过源码学习天文数据处理与机器学习应用。

当前局限：仓库主要含XQuest前端代码，完整后端管道可能未完全开发。成功关键：吸引足够活跃用户、提升MLM准确性、处理数据质量问题。未来潜力：从专家依赖转向集体智慧，实时人机协同，开放众包的天文学研究范式转变。