Makine öğrenimi tekniklerinin büyük astronomi veri kümelerine uygulanması, çeşitli sınıflardan binlerce kozmik nesneyi keşfedebilir. Kredi bilgileri: Shivam Kumaran
Mumbai’deki Tata Temel Araştırma Enstitüsü’nden ve Thiruvananthapuram’daki Hindistan Uzay Bilimi ve Teknolojisi Enstitüsü’nden Prof. Sudip Bhattacharyya ve Bay Shivam Kumaran’ın yanı sıra Prof. Samir Mandal ve Prof. kullanılan makine öğrenme X-ışını dalga boylarında binlerce yeni gök cismi doğasını tanımlama teknikleri. Makine öğrenimi, yapay zekanın bir dalıdır.
Astronomi, milyonlarca gök cismine ait büyük miktarda astronomik veriye kolayca erişilebildiği için bir dönüşüm geçiriyor. Bunun nedeni, açık veri mevcudiyeti politikasıyla birlikte birinci sınıf astronomik gözlemevlerinden yararlanan büyük ölçekli araştırmalar ve titiz gözlemlerdir.
Bu verilerin birçok keşif ve evrene dair yeni bir anlayış için büyük bir potansiyele sahip olduğunu söylemeye gerek yok. Ancak, tüm bu nesnelerden gelen verileri manuel olarak keşfetmek pratik değildir ve bu verilerden bilgi çıkarmak için otomatik makine öğrenimi teknikleri gereklidir. Ancak bu tür tekniklerin astronomik verilere uygulanması hala çok sınırlıdır ve başlangıç aşamasındadır.
Bu arka planda TIFR-IIST ekibi, ABD’nin Chandra uzay gözlemevi ile X-ışınlarında gözlemlenen yüzbinlerce kozmik nesneye makine öğrenimi tekniklerini uyguladı. Bu, yeni ve güncel bir teknolojik ilerlemenin temel ve temel bilimsel araştırmalara nasıl yardımcı olabileceğini ve devrim yaratabileceğini gösterdi. Ekip, bu teknikleri çoğunun doğası bilinmeyen yaklaşık 277.000 X-ışını nesnesine uyguladı.
Bilinmeyen nesnelerin doğasının sınıflandırılması, belirli sınıflardaki nesnelerin keşfine eşdeğerdir. Böylece, bu araştırma, kara delikler, nötron yıldızları, beyaz cüceler, yıldızlar, vb. gibi sınıflara ait binlerce kozmik nesnenin güvenilir bir şekilde keşfedilmesine yol açtı; ilginç yeni nesneler.
Bu işbirlikçi araştırma, yeni makine öğrenimi tekniklerini astronomideki temel araştırmalara uygulamak için son teknoloji bir kapasite oluşturmak için de önemliydi; bu, mevcut ve gelecek gözlemevlerinden gelen verileri bilimsel olarak kullanmak için çok önemli olacak.
Referans: “Otomatik sınıflandırma Chandra Makine öğrenimi yöntemlerini kullanan X-ray nokta kaynakları”, Shivam Kumaran, Samir Mandal, Sudip Bhattacharyya ve Deepak Mishra, 9 Şubat 2023, Royal Astronomical Society’nin Aylık Bildirimleri.
DOI: 10.1093/mnras/stad414