Klasifikácia nebeských objektov je prastarý problém. So zdrojmi v takmer neuveriteľných vzdialenostiach sa výskumníci niekedy snažia rozlíšiť objekty, ako sú hviezdy, galaxie, kvazary alebo supernovy. Výskumníci z Instituto de Astrofísica e Ciências do Espaço (IA) Pedro Cunha a Andrew Humphrey sa pokúsili vyriešiť klasický problém vytvorením SHEEP, algoritmu strojového učenia, ktorý určuje povahu astronomických zdrojov. Andrew Humphrey (IA a University of Porto, Portugalsko) komentuje: "Problém klasifikácie nebeských objektov je veľmi ťažký z hľadiska počtu a zložitosti vesmíru a umelá inteligencia je veľmi sľubným nástrojom pre takéto úlohy."
SHEEP je riadený kanál strojového učenia, ktorý odhaduje fotometrické červené posuny a používa tieto informácie na následnú klasifikáciu zdrojov ako galaxie, kvazary alebo hviezdy. Pred vykonaním klasifikácie SHEEP najprv odhadne fotometrické červené posuny, ktoré sa potom vložia do súboru údajov ako dodatočná funkcia na trénovanie klasifikačného modelu.
Tím zistil, že zahrnutie červeného posunu a súradníc objektov umožnilo umelej inteligencii (AI) identifikovať ich na XNUMXD mape vesmíru a použili to spolu s farebnými informáciami na lepšie odhadnutie vlastností zdroja. Napríklad AI zistila, že pravdepodobnosť nájdenia hviezd bližšie k rovine Mliečnej dráhy je vyššia ako na galaktických póloch. Humphrey dodal: "Keď sme umožnili AI získať trojrozmerný pohľad na vesmír, skutočne to zlepšilo jej schopnosť robiť presné rozhodnutia o tom, čo presne je nebeský objekt."
Rozsiahle prieskumy, pozemné aj vesmírne, ako napríklad Sloan Digital Sky Survey (SDSS), priniesli veľké množstvo údajov, ktoré spôsobili revolúciu v oblasti astronómie. Budúce štúdie observatória Vera K. Rubin, Dark Energy Spectroscopic Instrument (DESI), vesmírnej misie Euclid (ESA) alebo Jamesa Webba Space Telescope (NASA/ESA) budú naďalej poskytovať podrobnejšie informácie a zobrazovanie. Analýza všetkých údajov pomocou tradičných metód však môže byť časovo náročná. Umelá inteligencia alebo strojové učenie budú rozhodujúce pre analýzu a čo najlepšie vedecké využitie týchto nových údajov.
Pedro Cunha hovorí: „Jednou z najzaujímavejších častí je vidieť, ako nám strojové učenie pomáha lepšie porozumieť vesmíru. Naša metodika nám ukazuje možnú cestu, pričom v procese vytvárame nové. Toto je výnimočný čas pre astronómiu."
Zobrazovacie a spektroskopické štúdie sú jedným z hlavných zdrojov na pochopenie viditeľného obsahu vesmíru. Údaje z týchto prehľadov nám umožňujú vykonávať štatistické štúdie hviezd, kvazarov a galaxií, ako aj objavovať nezvyčajnejšie objekty.
Môžete pomôcť Ukrajine v boji proti ruským útočníkom. Najlepším spôsobom, ako to urobiť, je darovať finančné prostriedky Ozbrojeným silám Ukrajiny prostredníctvom Zachrániť život alebo cez oficiálnu stránku NBU.
Prečítajte si tiež:
Nechaj odpoveď