Quinta-feira, 28 de março de 2024

área de trabalho v4.2.1

Root NationНовиниnotícias de TIInteligência artificial ajuda na identificação de objetos astronômicos

Inteligência artificial ajuda na identificação de objetos astronômicos

-

A classificação dos objetos celestes é um problema antigo. Com fontes a distâncias quase incríveis, os investigadores têm por vezes dificuldade em distinguir objetos como estrelas, galáxias, quasares ou supernovas. Os investigadores Pedro Cunha e Andrew Humphrey do Instituto de Astrofísica e Ciências do Espaço (IA) tentaram resolver o problema clássico criando o SHEEP, um algoritmo de aprendizagem automática que determina a natureza das fontes astronómicas. Andrew Humphrey (IA e Universidade do Porto, Portugal) comenta: “O problema de classificação de objetos celestes é muito difícil em termos do número e da complexidade do universo, e a inteligência artificial é uma ferramenta muito promissora para tais tarefas.”

Inteligência artificial ajuda na identificação de objetos astronômicos

O SHEEP é um pipeline de aprendizado de máquina supervisionado que estima desvios para o vermelho fotométricos e usa essas informações para classificar as fontes como galáxias, quasares ou estrelas. Antes de realizar a classificação, o SHEEP primeiro estima os redshifts fotométricos, que são então inseridos no conjunto de dados como um recurso adicional para treinar o modelo de classificação.

A equipe descobriu que incluir o redshift e as coordenadas dos objetos permitiu que a inteligência artificial (IA) os identificasse em um mapa XNUMXD do universo, e eles usaram isso junto com informações de cores para estimar melhor as propriedades da fonte. Por exemplo, a IA aprendeu que a probabilidade de encontrar estrelas mais próximas do plano da Via Láctea é maior do que nos pólos galácticos. Humphrey acrescentou: “Quando permitimos que a IA obtivesse uma visão tridimensional do universo, ela realmente melhorou sua capacidade de tomar decisões precisas sobre o que exatamente é um objeto celestial”.

Levantamentos em larga escala, tanto terrestres quanto espaciais, como o Sloan Digital Sky Survey (SDSS), produziram grandes quantidades de dados, revolucionando o campo da astronomia. Estudos futuros do Observatório Vera K. Rubin, do Instrumento Espectroscópico de Energia Escura (DESI), da missão espacial Euclid (ESA) ou do Telescópio Espacial James Webb (NASA/ESA) continuarão a fornecer informações e imagens mais detalhadas. No entanto, analisar todos os dados usando métodos tradicionais pode ser demorado. A IA ou aprendizado de máquina será fundamental para analisar e fazer o melhor uso científico desses novos dados.

Euclides (ESA)
Missão Euclides (ESA)

Pedro Cunha diz: “Uma das partes mais emocionantes é ver como o aprendizado de máquina nos ajuda a entender melhor o universo. Nossa metodologia nos mostra um caminho possível, ao mesmo tempo em que cria novos no processo. Este é um momento excepcional para a astronomia."

Estudos de imagem e espectroscópicos são um dos principais recursos para a compreensão dos conteúdos visíveis do universo. Os dados dessas revisões nos permitem realizar estudos estatísticos de estrelas, quasares e galáxias, bem como descobrir objetos mais incomuns.

Você pode ajudar a Ucrânia a lutar contra os invasores russos. A melhor maneira de fazer isso é doar fundos para as Forças Armadas da Ucrânia através Salva vida ou através da página oficial NBU.

Leia também:

Dzherelofísica
Inscrever-se
Notificar sobre
convidado

0 Comentários
Avaliações incorporadas
Ver todos os comentários
Outros artigos
Inscreva-se para atualizações

Comentários recentes

Popular agora
0
Nós amamos seus pensamentos, por favor, comente.x