Clasificarea obiectelor cerești este o problemă străveche. Cu surse aflate la distanțe aproape incredibile, cercetătorii se luptă uneori să distingă obiecte precum stele, galaxii, quasari sau supernove. Cercetătorii de la Instituto de Astrofísica e Ciências do Espaço (IA) Pedro Cunha și Andrew Humphrey au încercat să rezolve problema clasică prin crearea SHEEP, un algoritm de învățare automată care determină natura surselor astronomice. Andrew Humphrey (IA și Universitatea din Porto, Portugalia) comentează: „Problema clasificării obiectelor cerești este foarte dificilă în ceea ce privește numărul și complexitatea universului, iar inteligența artificială este un instrument foarte promițător pentru astfel de sarcini”.
SHEEP este o conductă de învățare automată supravegheată care estimează deplasările fotometrice către roșu și utilizează aceste informații pentru a clasifica ulterior sursele ca galaxii, quasari sau stele. Înainte de a efectua clasificarea, SHEEP estimează mai întâi deplasările fotometrice spre roșu, care sunt apoi introduse în setul de date ca o caracteristică suplimentară pentru antrenarea modelului de clasificare.
Echipa a descoperit că includerea deplasării spre roșu și coordonatele obiectelor a permis inteligenței artificiale (AI) să le identifice pe o hartă XNUMXD a universului și au folosit acest lucru împreună cu informațiile de culoare pentru a estima mai bine proprietățile sursei. De exemplu, AI a aflat că probabilitatea de a găsi stele mai aproape de planul Căii Lactee este mai mare decât la polii galactici. Humphrey a adăugat: „Când am permis inteligenței artificiale să obțină o vedere tridimensională a universului, și-a îmbunătățit cu adevărat capacitatea de a lua decizii precise despre ce este exact un obiect ceresc”.
Sondajele la scară largă, atât la sol, cât și la nivel spațial, cum ar fi Sloan Digital Sky Survey (SDSS), au produs cantități mari de date, revoluționând domeniul astronomiei. Studiile viitoare ale Observatorului Vera K. Rubin, Instrumentul spectroscopic al energiei întunecate (DESI), misiunea spațială Euclid (ESA) sau Telescopul spațial James Webb (NASA/ESA) vor continua să ofere informații și imagini mai detaliate. Cu toate acestea, analiza tuturor datelor folosind metode tradiționale poate fi consumatoare de timp. Inteligența artificială sau învățarea automată vor fi esențiale pentru analizarea și utilizarea cât mai bună a acestor date noi.
Pedro Cunha spune: „Una dintre cele mai interesante părți este să vedem cum învățarea automată ne ajută să înțelegem mai bine universul. Metodologia noastră ne arată o cale posibilă, creând în același timp altele noi în acest proces. Acesta este un moment extraordinar pentru astronomie.”
Studiile imagistice și spectroscopice sunt una dintre principalele resurse pentru înțelegerea conținutului vizibil al universului. Datele acestor recenzii ne permit să efectuăm studii statistice ale stelelor, quasarelor și galaxiilor, precum și să descoperim obiecte mai neobișnuite.
Poți ajuta Ucraina să lupte împotriva invadatorilor ruși. Cel mai bun mod de a face acest lucru este să donați fonduri Forțelor Armate ale Ucrainei prin intermediul Salveaza viata sau prin pagina oficiala NBU.
Citeste si: