Klassificering av himmelska föremål är ett gammalt problem. Med källor på nästan otroliga avstånd, kämpar forskare ibland med att urskilja objekt som stjärnor, galaxer, kvasarer eller supernovor. Instituto de Astrofísica e Ciências do Espaço (IA) forskare Pedro Cunha och Andrew Humphrey försökte lösa det klassiska problemet genom att skapa SHEEP, en maskininlärningsalgoritm som bestämmer naturen hos astronomiska källor. Andrew Humphrey (IA och University of Porto, Portugal) kommenterar: "Problemet med att klassificera himlaobjekt är mycket svårt vad gäller universums antal och komplexitet, och artificiell intelligens är ett mycket lovande verktyg för sådana uppgifter."
SHEEP är en övervakad maskininlärningspipeline som uppskattar fotometriska rödförskjutningar och använder denna information för att därefter klassificera källor som galaxer, kvasarer eller stjärnor. Innan klassificeringen utförs, uppskattar SHEEP först de fotometriska rödförskjutningarna, som sedan matas in i datasetet som en extra funktion för att träna klassificeringsmodellen.
Teamet fann att inkludering av objektens rödförskjutning och koordinater tillät artificiell intelligens (AI) att identifiera dem på en XNUMXD-karta över universum, och de använde detta tillsammans med färginformation för att bättre uppskatta källans egenskaper. Till exempel har AI lärt sig att sannolikheten att hitta stjärnor närmare Vintergatans plan är högre än vid de galaktiska polerna. Humphrey tillade: "När vi tillät AI att få en tredimensionell bild av universum, förbättrade det verkligen dess förmåga att fatta exakta beslut om exakt vad ett himlaobjekt är."
Storskaliga undersökningar, både markbaserade och rymdbaserade, såsom Sloan Digital Sky Survey (SDSS), har producerat stora mängder data, vilket revolutionerat astronomiområdet. Framtida studier av Vera K. Rubin Observatory, Dark Energy Spectroscopic Instrument (DESI), rymduppdraget Euclid (ESA) eller James Webb Space Telescope (NASA/ESA) kommer att fortsätta att ge mer detaljerad information och bildbehandling. Att analysera all data med traditionella metoder kan dock vara tidskrävande. AI eller maskininlärning kommer att vara avgörande för att analysera och göra den bästa vetenskapliga användningen av denna nya data.
Pedro Cunha säger: "En av de mest spännande delarna är att se hur maskininlärning hjälper oss att bättre förstå universum. Vår metodik visar oss en möjlig väg, samtidigt som vi skapar nya i processen. Det här är en enastående tid för astronomi."
Avbildning och spektroskopiska studier är en av huvudresurserna för att förstå universums synliga innehåll. Data från dessa recensioner tillåter oss att utföra statistiska studier av stjärnor, kvasarer och galaxer, samt att upptäcka mer ovanliga objekt.
Du kan hjälpa Ukraina att slåss mot de ryska inkräktarna. Det bästa sättet att göra detta är att donera medel till Ukrainas väpnade styrkor genom Rädda liv eller via den officiella sidan NBU.
Läs också: