Klasifikacija nebeskih tijela drevni je problem. Uz izvore na gotovo nevjerojatnim udaljenostima, istraživači se ponekad bore razlikovati objekte kao što su zvijezde, galaksije, kvazari ili supernove. Istraživači Instituta de Astrofísica e Ciências do Espaço (IA) Pedro Cunha i Andrew Humphrey pokušali su riješiti klasični problem stvaranjem SHEEP-a, algoritma za strojno učenje koji određuje prirodu astronomskih izvora. Andrew Humphrey (IA i Sveučilište u Portu, Portugal) komentira: "Problem klasifikacije nebeskih objekata vrlo je težak u smislu broja i složenosti svemira, a umjetna inteligencija je vrlo obećavajući alat za takve zadatke."
SHEEP je nadzirani cjevovod strojnog učenja koji procjenjuje fotometrijske crvene pomake i koristi te informacije za naknadnu klasifikaciju izvora kao galaksije, kvazare ili zvijezde. Prije izvođenja klasifikacije, SHEEP prvo procjenjuje fotometrijske crvene pomake, koji se zatim unose u skup podataka kao dodatna značajka za uvježbavanje modela klasifikacije.
Tim je otkrio da uključivanje crvenog pomaka i koordinata objekata omogućuje umjetnoj inteligenciji (AI) da ih identificira na XNUMXD karti svemira, a to su upotrijebili zajedno s informacijama o boji kako bi bolje procijenili svojstva izvora. Na primjer, AI je naučio da je vjerojatnost pronalaska zvijezda bliže ravnini Mliječne staze veća nego na galaktičkim polovima. Humphrey je dodao: "Kada smo AI-u omogućili da dobije trodimenzionalni pogled na svemir, stvarno je poboljšao njegovu sposobnost donošenja točnih odluka o tome što je točno nebeski objekt."
Istraživanja velikih razmjera, zemaljska i svemirska, kao što je Sloan Digital Sky Survey (SDSS), proizvela su velike količine podataka, revolucionarizirajući polje astronomije. Buduće studije Zvjezdarnice Vera K. Rubin, Instrumenta za spektroskopiju tamne energije (DESI), svemirske misije Euclid (ESA) ili svemirskog teleskopa James Webb (NASA/ESA) nastavit će pružati detaljnije informacije i slike. Međutim, analiza svih podataka tradicionalnim metodama može biti dugotrajna. AI ili strojno učenje bit će ključni za analizu i najbolju znanstvenu upotrebu ovih novih podataka.
Pedro Cunha kaže: “Jedan od najuzbudljivijih dijelova je vidjeti kako nam strojno učenje pomaže da bolje razumijemo svemir. Naša metodologija nam pokazuje mogući put, dok u tom procesu stvara nove. Ovo je izvanredno vrijeme za astronomiju."
Slikovne i spektroskopske studije jedan su od glavnih izvora za razumijevanje vidljivog sadržaja svemira. Podaci iz ovih pregleda omogućuju nam provođenje statističkih istraživanja zvijezda, kvazara i galaksija, kao i otkrivanje neobičnijih objekata.
Možete pomoći Ukrajini u borbi protiv ruskih osvajača. Najbolji način da to učinite je donirati sredstva Oružanim snagama Ukrajine putem Savelife ili putem službene stranice NBU.
Pročitajte također: