Sanatçının Öklid izlenimi. Kredi: ESA/ATG medialab (uzay aracı); NASA, ESA, CXC, C. Ma, H. Ebeling ve E. Barrett (U. Hawaii/IfA), et al. ve STScI (arka plan)
Gök cisimlerini sınıflandırmak uzun süredir devam eden bir problemdir. Düşünülemeyecek kadar yakın mesafedeki kaynaklarla, bazen araştırmacıların yıldızlar, galaksiler, kuasarlar veya süpernovalar gibi nesneleri ayırt etmesi zordur.
Instituto de Astrofísica e Ciências do Espaço’nun (IA) araştırmacıları Pedro Cunha ve Andrew Humphrey, astronomik kaynakların doğasını belirleyen bir makine öğrenimi algoritması olan SHEEP’i oluşturarak bu klasik sorunu çözmeye çalıştılar. Andrew Humphrey (IA & Porto Üniversitesi, Portekiz) şu yorumu yapıyor: “Gök cisimlerini sınıflandırma sorunu, sayılar ve evrenin karmaşıklığı açısından çok zordur ve yapay zeka bu tür bir görev için çok umut verici bir araçtır. “
Makalenin ilk yazarı, şimdi dergide yayınlandı Astronomi ve Astrofizik, Pedro Cunha, Ph.D. IA ve Fizik Bölümü ve Porto Üniversitesi’nde öğrenci, “Bu çalışma benim yüksek lisans tezimden bir yan proje olarak doğdu. Bu süre içinde öğrendiğim dersleri eşsiz bir projede birleştirdi” diyor.
Andrew Humphrey, Pedro Cunha’nın yüksek lisans danışmanı ve şimdi Ph.D. yardımcı danışman, “Özellikle bir yüksek lisans tezinden böyle ilginç bir sonuç almak çok güzeldi” diyor.
SHEEP, fotometrik kırmızıya kaymaları tahmin eden ve daha sonra kaynakları galaksi, kuasar veya yıldız olarak sınıflandırırken bu bilgiyi kullanan, denetimli bir makine öğrenimi hattıdır. Pedro Cunha, “Fotometrik bilgi elde edilmesi en kolay olanıdır ve bu nedenle, gözlemlenen kaynakların doğası hakkında bir ilk analiz sağlamak için çok önemlidir” diyor.
“Boru hattımızdaki yeni bir adım, sınıflandırmayı gerçekleştirmeden önce SHEEP’in ilk önce fotometrik kırmızıya kaymaları tahmin etmesi ve daha sonra sınıflandırma modeli eğitimi için ek bir özellik olarak veri kümesine yerleştirilmesidir.”
Ekip, nesnelerin kırmızıya kaymasını ve koordinatlarını dahil etmenin, AI’nın onları evrenin 3 boyutlu bir haritasında anlamasına izin verdiğini ve bunu, kaynak özelliklerinin daha iyi tahminlerini yapmak için renk bilgisiyle birlikte kullandığını buldu. Örneğin, AI, Samanyolu düzlemine galaktik kutuplardan daha yakın yıldız bulma şansının daha yüksek olduğunu öğrendi. Humphrey şunları ekledi: “AI’nın evrenin 3 boyutlu görüntüsüne sahip olmasına izin verdiğimizde, bu, her bir gök cismi hakkında doğru kararlar verme yeteneğini gerçekten geliştirdi.”
Sloan Dijital Gökyüzü Anketi (SDSS) gibi hem yer hem de uzay temelli geniş alan araştırmaları, astronomi alanında devrim yaratan yüksek hacimli veri sağladı. Vera C. Rubin Gözlemevi, Karanlık Enerji Spektroskopik Enstrüman (DESI), Euclid (ESA) uzay görevi veya James Webb Uzay Teleskobu (NASA/ESA) gibi kuruluşlar tarafından gerçekleştirilen gelecekteki araştırmalar bize daha ayrıntılı bilgi vermeye devam edecek. görüntüleme. Ancak tüm verileri geleneksel yöntemlerle analiz etmek zaman alıcı olabilir. Yapay zeka veya makine öğrenimi, bu yeni verileri analiz etmek ve bilimsel olarak en iyi şekilde kullanmak için çok önemli olacaktır.
Bu çalışma, ekibin milyarlarca kaynağı verimli bir şekilde sınıflandıran ve karakterize eden yapay zeka sistemleri geliştirerek, bu anketlerden gelmesi beklenen veri yığınından yararlanma çabasının bir parçasıdır.
SDSS’deki eBOSS işbirliğiyle yapılan Evrenin 3B haritası. Kredi bilgileri: EPFL
Pedro Cunha, “En heyecan verici kısımlardan biri, makine öğreniminin evreni daha iyi anlamamıza nasıl yardımcı olduğunu görmek. Metodolojimiz bize olası bir yolu gösterirken, süreç boyunca yenileri yaratılıyor. Astronomi için heyecan verici bir zaman. ”
Görüntüleme ve spektroskopik araştırmalar, evrenin görünür içeriğinin anlaşılması için ana kaynaklardan biridir. Bu araştırmalardan elde edilen veriler, yıldızların, kuasarların ve galaksilerin istatistiksel araştırmalarını ve daha tuhaf nesnelerin keşfini sağlar.
Baş araştırmacı Polychronis Papaderos, “SHEEP gibi gelişmiş Makine Öğrenimi algoritmalarının geliştirilmesi, IA’nın ESA’nın fırlatılması planlanan Öklid uzay misyonuyla milyarlarca gökada için eşi görülmemiş büyük fotometrik veri kümelerinin bilimsel olarak kullanılmasına yönelik tutarlı stratejisinin ayrılmaz bir bileşenidir. 2023’te.”
Öklid, evrenin ayrıntılı bir haritasını sunacak ve esrarengiz karanlık madde ve karanlık enerjinin doğasına ışık tutacaktır.
Gökbilimciler en büyük 3 boyutlu galaksi kataloğunu üretiyor
PAC Cunha ve diğerleri, Toplu öğrenmeyi kullanan fotometrik kırmızıya kayma destekli sınıflandırma, Astronomi ve Astrofizik (2022). DOI: 10.1051/0004-6361/202243135
Instituto de Astrofísica e Ciências do Espaço tarafından sağlanmıştır
Alıntı: Yapay zeka, astronomik nesnelerin tanımlanmasına yardımcı olur (2022, 27 Mayıs), 28 Mayıs 2022’de https://phys.org/news/2022-05-artificial-intelligence-identification-astronomical.html adresinden alınmıştır.
Bu belge telif haklarına tabidir. Özel çalışma veya araştırma amaçlı herhangi bir adil işlem dışında, yazılı izin alınmadan hiçbir bölüm çoğaltılamaz. İçerik yalnızca bilgi amaçlı sağlanmıştır.
