Klasifikasi benda langit merupakan masalah kuno. Dengan sumber yang berada pada jarak yang sangat jauh, para peneliti terkadang kesulitan membedakan objek seperti bintang, galaksi, quasar, atau supernova. Peneliti Instituto de Astrofísica e Ciências do Espaço (IA) Pedro Cunha dan Andrew Humphrey berusaha memecahkan masalah klasik ini dengan menciptakan SHEEP, sebuah algoritma pembelajaran mesin yang menentukan sifat sumber astronomi. Andrew Humphrey (IA dan Universitas Porto, Portugal) berkomentar: "Masalah mengklasifikasikan benda-benda langit sangatlah sulit dalam hal jumlah dan kompleksitas alam semesta, dan kecerdasan buatan adalah alat yang sangat menjanjikan untuk tugas-tugas tersebut."
SHEEP adalah saluran pembelajaran mesin terawasi yang memperkirakan pergeseran merah fotometrik dan menggunakan informasi ini untuk kemudian mengklasifikasikan sumber sebagai galaksi, quasar, atau bintang. Sebelum melakukan klasifikasi, SHEEP terlebih dahulu memperkirakan pergeseran merah fotometrik, yang kemudian dimasukkan ke dalam kumpulan data sebagai fitur tambahan untuk melatih model klasifikasi.
Tim menemukan bahwa memasukkan pergeseran merah dan koordinat objek memungkinkan kecerdasan buatan (AI) untuk mengidentifikasi mereka pada peta XNUMXD alam semesta, dan mereka menggunakan ini bersama dengan informasi warna untuk memperkirakan properti sumber dengan lebih baik. Misalnya, AI telah mempelajari bahwa kemungkinan menemukan bintang yang lebih dekat ke bidang Bima Sakti lebih tinggi daripada di kutub galaksi. Humphrey menambahkan: "Ketika kami mengizinkan AI untuk mendapatkan pandangan tiga dimensi dari alam semesta, itu benar-benar meningkatkan kemampuannya untuk membuat keputusan yang akurat tentang apa sebenarnya benda langit itu."
Survei skala besar, baik berbasis darat maupun luar angkasa, seperti Sloan Digital Sky Survey (SDSS), telah menghasilkan data dalam jumlah besar, yang merevolusi bidang astronomi. Studi masa depan oleh Observatorium Vera K. Rubin, Instrumen Spektroskopi Energi Gelap (DESI), misi luar angkasa Euclid (ESA), atau Teleskop Luar Angkasa James Webb (NASA/ESA) akan terus memberikan informasi dan pencitraan yang lebih rinci. Namun, menganalisis semua data menggunakan metode tradisional dapat memakan waktu. AI atau pembelajaran mesin akan sangat penting untuk menganalisis dan memanfaatkan data baru ini secara ilmiah.
Pedro Cunha mengatakan, “Salah satu bagian yang paling menarik adalah melihat bagaimana pembelajaran mesin membantu kita lebih memahami alam semesta. Metodologi kami menunjukkan kepada kami jalan yang mungkin, sambil menciptakan yang baru dalam prosesnya. Ini adalah waktu yang luar biasa untuk astronomi."
Studi pencitraan dan spektroskopi adalah salah satu sumber utama untuk memahami isi alam semesta yang terlihat. Data ulasan ini memungkinkan kami untuk melakukan studi statistik bintang, quasar, dan galaksi, serta menemukan objek yang lebih tidak biasa.
Anda dapat membantu Ukraina melawan penjajah Rusia. Cara terbaik untuk melakukannya adalah dengan menyumbangkan dana ke Angkatan Bersenjata Ukraina melalui selamatkan hidup atau melalui halaman resmi NBU.
Baca juga:
Tinggalkan Balasan