Аспан объектілерін классификациялау – ежелгі мәселе. Ғажайып қашықтықтағы көздермен зерттеушілер кейде жұлдыздар, галактикалар, квазарлар немесе суперновалар сияқты объектілерді ажырату үшін күреседі. Instituto de Astrofísica e Ciências do Espaço (IA) зерттеушілері Педро Кунья мен Эндрю Хамфри астрономиялық көздердің табиғатын анықтайтын машиналық оқыту алгоритмі SHEEP жасау арқылы классикалық мәселені шешуге тырысты. Эндрю Хамфри (IA және Порту университеті, Португалия) былай деп түсіндіреді: «Аспан объектілерін жіктеу мәселесі ғаламның саны мен күрделілігі тұрғысынан өте қиын, ал жасанды интеллект мұндай тапсырмалар үшін өте перспективалы құрал болып табылады».
SHEEP – фотометриялық қызыл ығысуларды бағалайтын және бұл ақпаратты кейіннен қайнар көздерді галактикалар, квазарлар немесе жұлдыздар ретінде жіктеу үшін пайдаланатын бақыланатын машиналық оқыту құбыры. Жіктеуді орындамас бұрын, SHEEP алдымен фотометриялық қызыл ығысуларды бағалайды, содан кейін олар классификация үлгісін үйрету үшін қосымша мүмкіндік ретінде деректер жиынына беріледі.
Топ объектілердің қызылға жылжуы мен координаттарын қосу жасанды интеллектке (AI) оларды ғаламның XNUMXD картасында анықтауға мүмкіндік беретінін анықтады және олар оны көздің қасиеттерін жақсырақ бағалау үшін түсті ақпаратпен бірге пайдаланды. Мысалы, AI жұлдыздарды Құс жолы жазықтығына жақынырақ табу ықтималдығы галактикалық полюстерге қарағанда жоғары екенін білді. Хамфри былай деп қосты: «Біз AI-ға ғаламның үш өлшемді көрінісін алуға мүмкіндік бергенде, ол оның аспан объектісі қандай екендігі туралы нақты шешім қабылдау қабілетін шынымен жақсартты».
Sloan Digital Sky Survey (SDSS) сияқты жердегі де, ғарышта да кең ауқымды зерттеулер астрономия саласында төңкеріс жасайтын үлкен көлемдегі деректер берді. Вера К. Рубин обсерваториясының, қараңғы энергияның спектроскопиялық құралының (DESI), Евклид ғарыштық миссиясының (ESA) немесе Джеймс Уэбб ғарыштық телескопының (NASA/ESA) болашақ зерттеулері толығырақ ақпарат пен бейнелеуді қамтамасыз етуді жалғастырады. Дегенмен, дәстүрлі әдістерді қолдана отырып, барлық деректерді талдау көп уақытты қажет етеді. AI немесе машиналық оқыту осы жаңа деректерді талдау және ең жақсы ғылыми пайдалану үшін маңызды болады.
Педро Кунья былай дейді: «Ең қызықты бөліктердің бірі - машиналық оқыту бізге ғаламды жақсырақ түсінуге қалай көмектесетінін көру. Біздің әдістеме бізге мүмкін болатын жолды көрсетеді, сонымен бірге процесте жаңаларын жасайды. Бұл астрономия үшін тамаша уақыт ».
Бейнелеу және спектроскопиялық зерттеулер ғаламның көрінетін мазмұнын түсінудің негізгі ресурстарының бірі болып табылады. Бұл шолулардың деректері жұлдыздардың, квазарлардың және галактикалардың статистикалық зерттеулерін жүргізуге, сондай-ақ ерекше нысандарды ашуға мүмкіндік береді.
Сіз Украинаға орыс басқыншыларына қарсы күресуге көмектесе аласыз. Мұны істеудің ең жақсы жолы - Украина Қарулы Күштеріне қаражат беру Lifelife немесе ресми парақшасы арқылы NBU.
Сондай-ақ оқыңыз: