Klasifikacija nebesnih teles je starodavni problem. Ker so viri na skoraj neverjetnih razdaljah, raziskovalci včasih težko razlikujejo objekte, kot so zvezde, galaksije, kvazarji ali supernove. Raziskovalca Instituta de Astrofísica e Ciências do Espaço (IA) Pedro Cunha in Andrew Humphrey sta poskušala rešiti klasičen problem z ustvarjanjem SHEEP, algoritma za strojno učenje, ki določa naravo astronomskih virov. Andrew Humphrey (IA in Univerza v Portu, Portugalska) komentira: "Problem klasifikacije nebesnih objektov je zelo težak glede na število in kompleksnost vesolja, umetna inteligenca pa je zelo obetavno orodje za takšne naloge."
SHEEP je nadzorovan cevovod strojnega učenja, ki ocenjuje fotometrične rdeče premike in te informacije uporablja za naknadno razvrščanje virov kot galaksij, kvazarjev ali zvezd. Preden izvede klasifikacijo, SHEEP najprej oceni fotometrične rdeče premike, ki se nato vnesejo v nabor podatkov kot dodatna funkcija za usposabljanje modela klasifikacije.
Skupina je ugotovila, da vključitev rdečega premika in koordinat predmetov omogoča umetni inteligenci (AI), da jih identificira na XNUMXD zemljevidu vesolja, in to so uporabili skupaj z barvnimi informacijami za boljšo oceno lastnosti vira. Umetna inteligenca je na primer ugotovila, da je verjetnost, da najdemo zvezde bližje ravnini Mlečne ceste, večja kot na galaktičnih polih. Humphrey je dodal: "Ko smo AI dovolili, da dobi tridimenzionalni pogled na vesolje, je resnično izboljšal svojo sposobnost sprejemanja natančnih odločitev o tem, kaj točno je nebesni objekt."
Obsežne raziskave, tako zemeljske kot vesoljske, kot je Sloan Digital Sky Survey (SDSS), so ustvarile velike količine podatkov, ki so spremenile področje astronomije. Prihodnje študije observatorija Vera K. Rubin, instrumenta Dark Energy Spectroscopic Instrument (DESI), vesoljske misije Euclid (ESA) ali vesoljskega teleskopa James Webb (NASA/ESA) bodo še naprej zagotavljale podrobnejše informacije in slike. Vendar je analiza vseh podatkov s tradicionalnimi metodami lahko dolgotrajna. Umetna inteligenca ali strojno učenje bo ključnega pomena za analizo in najboljšo znanstveno uporabo teh novih podatkov.
Pedro Cunha pravi: »Eden najbolj vznemirljivih delov je videti, kako nam strojno učenje pomaga bolje razumeti vesolje. Naša metodologija nam pokaže možne poti, pri tem pa ustvarja nove. To je izjemen čas za astronomijo."
Slikanje in spektroskopske študije so eden glavnih virov za razumevanje vidne vsebine vesolja. Podatki teh pregledov nam omogočajo izvajanje statističnih študij zvezd, kvazarjev in galaksij ter odkrivanje bolj nenavadnih objektov.
Lahko pomagate Ukrajini v boju proti ruskim okupatorjem. Najboljši način za to je donacija sredstev oboroženim silam Ukrajine prek Savelife ali preko uradne strani NBU.
Preberite tudi: