La classificazione degli oggetti celesti è un problema antico. Con sorgenti a distanze quasi incredibili, i ricercatori a volte hanno difficoltà a distinguere oggetti come stelle, galassie, quasar o supernovae. I ricercatori dell'Instituto de Astrofísica e Ciências do Espaço (IA) Pedro Cunha e Andrew Humphrey hanno tentato di risolvere il classico problema creando SHEEP, un algoritmo di apprendimento automatico che determina la natura delle sorgenti astronomiche. Andrew Humphrey (IA e Università di Porto, Portogallo) commenta: "Il problema della classificazione degli oggetti celesti è molto difficile in termini di numero e complessità dell'universo, e l'intelligenza artificiale è uno strumento molto promettente per tali compiti."
SHEEP è una pipeline di apprendimento automatico supervisionata che stima i redshift fotometrici e utilizza queste informazioni per classificare successivamente le sorgenti come galassie, quasar o stelle. Prima di eseguire la classificazione, SHEEP stima innanzitutto gli spostamenti verso il rosso fotometrici, che vengono quindi inseriti nel set di dati come funzionalità aggiuntiva per addestrare il modello di classificazione.
Il team ha scoperto che l'inclusione del redshift e delle coordinate degli oggetti consentiva all'intelligenza artificiale (AI) di identificarli su una mappa XNUMXD dell'universo e l'hanno usata insieme alle informazioni sul colore per stimare meglio le proprietà della sorgente. Ad esempio, AI ha appreso che la probabilità di trovare stelle più vicine al piano della Via Lattea è maggiore rispetto ai poli galattici. Humphrey ha aggiunto: "Quando abbiamo permesso all'IA di ottenere una visione tridimensionale dell'universo, ha davvero migliorato la sua capacità di prendere decisioni accurate su cosa sia esattamente un oggetto celeste".
Rilievi su larga scala, sia a terra che spaziali, come lo Sloan Digital Sky Survey (SDSS), hanno prodotto grandi quantità di dati, rivoluzionando il campo dell'astronomia. Studi futuri del Vera K. Rubin Observatory, del Dark Energy Spectroscopic Instrument (DESI), della missione spaziale Euclid (ESA) o del James Webb Space Telescope (NASA/ESA) continueranno a fornire informazioni e immagini più dettagliate. Tuttavia, l'analisi di tutti i dati utilizzando i metodi tradizionali può richiedere molto tempo. L'intelligenza artificiale o l'apprendimento automatico saranno fondamentali per analizzare e fare il miglior uso scientifico di questi nuovi dati.
Pedro Cunha afferma: "Una delle parti più interessanti è vedere come l'apprendimento automatico ci aiuta a comprendere meglio l'universo. La nostra metodologia ci mostra un possibile percorso, creandone di nuovi nel processo. Questo è un momento eccezionale per l'astronomia".
L'imaging e gli studi spettroscopici sono una delle principali risorse per comprendere i contenuti visibili dell'universo. I dati di queste revisioni ci consentono di condurre studi statistici su stelle, quasar e galassie, nonché di scoprire oggetti più insoliti.
Puoi aiutare l'Ucraina a combattere contro gli invasori russi. Il modo migliore per farlo è donare fondi alle forze armate ucraine attraverso Salva Vita o tramite la pagina ufficiale NBU.
Leggi anche: