Galaksimizin en uzak bölgelerini daha derinden keşfetmek ve yıldız oluşumunun bilmecelerini ortaya çıkarmak için Japonya’dan bilim adamları derin bir öğrenme modeli oluşturdular. Osaka Üniversitesi uzmanlarının rehberliğinde ekip, uzay teleskopları tarafından elde edilen büyük veri dizilerini analiz etmek için yapay zeka kullandı. Sonuç olarak, daha önce astronomik veritabanlarına dahil olmayan kabarcık yapılarını tespit etmek mümkün olmuştur.
Samanyolu, diğer galaksiler gibi, büyük yıldızların doğum ve aktivitesi sırasında oluşan yapılar “kabarcıklar” içerir. “Spitzer kabarcıkları” olarak bilinen bu nesneler, gökadaların evrimini ve armatürlerin oluşum mekanizmalarını anlamanın anahtarı olarak hizmet eder. Bununla birlikte, bu teleskopların büyük miktarlarındaki aramaları hala önemli zaman maliyetleri gerektirmiştir.
Osakaki Nisimoto Üniversitesi öğrencisi ve Profesör Toshikaz Onishi, diğer Japon enstitülerinden meslektaşları ile birlikte, bu süreci otomatikleştiren bir model geliştirdi. Spitzer kızılötesi teleskop ve en son James Webb uzay teleskopunun verilerini kullanarak, görüntü tanıma algoritması sadece “Spitzer kabarcıklarını” tanımlamakla kalmayıp aynı zamanda muhtemelen süpernova patlamalarıyla ilişkili kabuk yapılarını tespit edebildi.
Profesör Onisi’ye göre, gelişmiş yaklaşım astronomi için yeni ufuklar açıyor: “Gelecekte ve gelecekte teknolojilerin geliştirilmesi ve galaksilerin evrim mekanizmalarının ve yıldızların oluşumunun anlaşılmasını hızlandıracaktır. Belki de onlarca yıldır fark edilmeyen yapıları bile bulabileceğiz. ”
Çalışma, James Webb gibi yeni nesil teleskoplarının petabaytlar bilgi ürettiği dönemde özellikle önemli olan kozmik verilerin analizinin otomasyonuna doğru bir başka adımdı. Yapay zekanın uzman bir sonuç testi ile kombinasyonu daha doğru galaksi haritaları yaratacak ve dinamiklerini daha önce erişilemeyen ayrıntılarda modelleyecektir.
