脉冲星搜寻是对脉冲星、引力波，以及对快速射电暴 （Fast Radio Burst，简称 FRB） 等暂 现源进行研究的基础。搜寻不仅可以扩大脉冲星样本，还可以发现极端性质的致密星。这有助于 研究致密天体状态方程、星际介质、脉冲星导航、引力波探测等课题。目前，射电望远镜的单次 巡天就可以产生百万数量级的脉冲星候选体。面对这些海量数据，仅仅依赖人工识别筛选，已不 能满足数据的时效需求，更不能实现数据的实时处理。机器学习、计算机视觉应用等人工智能技 术自诞生以来，其理论和技术已日益发展成熟，并已成功运用到脉冲星候选体筛选等射电天文研 究领域。首先将介绍现有脉冲星搜寻的人工智能方法，再统计和分析已有脉冲星候选体筛选方法 的性能，最后对 FAST 脉冲星候选体筛选工作进行展望
