Fredag ​​29. mars 2024

desktop v4.2.1

Root NationНовиниIT-nyheterKunstig intelligens hjelper til med å identifisere astronomiske objekter

Kunstig intelligens hjelper til med å identifisere astronomiske objekter

-

Klassifisering av himmellegemer er et gammelt problem. Med kilder på nesten utrolige avstander, sliter forskere noen ganger med å skille objekter som stjerner, galakser, kvasarer eller supernovaer. Instituto de Astrofísica e Ciências do Espaço (IA) forskere Pedro Cunha og Andrew Humphrey forsøkte å løse det klassiske problemet ved å lage SHEEP, en maskinlæringsalgoritme som bestemmer naturen til astronomiske kilder. Andrew Humphrey (IA og University of Porto, Portugal) kommenterer: "Problemet med å klassifisere himmelobjekter er svært vanskelig med tanke på universets antall og kompleksitet, og kunstig intelligens er et veldig lovende verktøy for slike oppgaver."

Kunstig intelligens hjelper til med å identifisere astronomiske objekter

SHEEP er en overvåket maskinlæringspipeline som estimerer fotometriske rødforskyvninger og bruker denne informasjonen til å klassifisere kilder som galakser, kvasarer eller stjerner. Før klassifiseringen utføres, estimerer SHEEP først de fotometriske rødforskyvningene, som deretter mates inn i datasettet som en tilleggsfunksjon for å trene klassifiseringsmodellen.

Teamet fant ut at inkludert gjenstandenes rødforskyvning og koordinater tillot kunstig intelligens (AI) å identifisere dem på et XNUMXD-kart over universet, og de brukte dette sammen med fargeinformasjon for å bedre estimere egenskapene til kilden. For eksempel har AI lært at sannsynligheten for å finne stjerner nærmere Melkeveiens plan er høyere enn ved de galaktiske polene. Humphrey la til: "Da vi tillot AI å få en tredimensjonal visning av universet, forbedret den virkelig evnen til å ta nøyaktige avgjørelser om nøyaktig hva et himmelobjekt er."

Storskala undersøkelser, både bakkebaserte og rombaserte, som Sloan Digital Sky Survey (SDSS), har produsert store mengder data, som revolusjonerer astronomifeltet. Fremtidige studier av Vera K. Rubin Observatory, Dark Energy Spectroscopic Instrument (DESI), Euclid-romoppdraget (ESA) eller James Webb Space Telescope (NASA/ESA) vil fortsette å gi mer detaljert informasjon og bildebehandling. Det kan imidlertid være tidkrevende å analysere alle dataene med tradisjonelle metoder. AI eller maskinlæring vil være avgjørende for å analysere og gjøre den beste vitenskapelige bruken av disse nye dataene.

Euklid (ESA)
Euclid Mission (ESA)

Pedro Cunha sier: «En av de mest spennende delene er å se hvordan maskinlæring hjelper oss å forstå universet bedre. Metodikken vår viser oss en mulig vei, samtidig som vi skaper nye i prosessen. Dette er en enestående tid for astronomi."

Imaging og spektroskopiske studier er en av hovedressursene for å forstå det synlige innholdet i universet. Dataene til disse anmeldelsene lar oss utføre statistiske studier av stjerner, kvasarer og galakser, samt å oppdage mer uvanlige objekter.

Du kan hjelpe Ukraina med å kjempe mot de russiske inntrengerne. Den beste måten å gjøre dette på er å donere midler til Ukrainas væpnede styrker gjennom Redd livet eller via den offisielle siden NBU.

Les også:

Dzherelofys
Melde deg på
Gi beskjed om
gjest

0 Kommentar
Innebygde anmeldelser
Se alle kommentarer
Andre artikler
Abonner for oppdateringer

Nylige kommentarer

Populær nå
0
Vi elsker tankene dine, kommenter gjerne.x
()
x