Gök cisimlerinin sınıflandırılması eski bir sorundur. Kaynakların neredeyse inanılmaz mesafelerde olması nedeniyle araştırmacılar bazen yıldızlar, galaksiler, kuasarlar veya süpernovalar gibi nesneleri ayırt etmekte zorlanırlar. Instituto de Astrofísica e Ciências do Espaço (IA) araştırmacıları Pedro Cunha ve Andrew Humphrey, astronomik kaynakların doğasını belirleyen bir makine öğrenimi algoritması olan SHEEP'i oluşturarak klasik sorunu çözmeye çalıştı. Andrew Humphrey (IA ve Porto Üniversitesi, Portekiz) şu yorumu yapıyor: "Gök cisimlerini sınıflandırma sorunu, evrenin sayısı ve karmaşıklığı açısından çok zordur ve yapay zeka bu tür görevler için çok umut verici bir araçtır."
SHEEP, fotometrik kırmızıya kaymaları tahmin eden ve bu bilgiyi daha sonra kaynakları galaksiler, kuasarlar veya yıldızlar olarak sınıflandırmak için kullanan denetimli bir makine öğrenimi hattıdır. Sınıflandırmayı gerçekleştirmeden önce, SHEEP ilk olarak fotometrik kırmızıya kaymaları tahmin eder ve bunlar daha sonra sınıflandırma modelini eğitmek için ek bir özellik olarak veri kümesine beslenir.
Ekip, nesnelerin kırmızıya kayması ve koordinatlarının dahil edilmesinin, yapay zekanın (AI) onları evrenin XNUMX boyutlu haritasında tanımlamasına izin verdiğini ve bunu, kaynağın özelliklerini daha iyi tahmin etmek için renk bilgisiyle birlikte kullandığını buldu. Örneğin, AI, Samanyolu düzlemine daha yakın yıldız bulma olasılığının galaktik kutuplardan daha yüksek olduğunu öğrenmiştir. Humphrey şunları ekledi: "AI'nın evrenin üç boyutlu bir görünümünü elde etmesine izin verdiğimizde, bir gök cismi tam olarak ne olduğu konusunda doğru kararlar verme yeteneğini gerçekten geliştirdi."
Sloan Dijital Gökyüzü Anketi (SDSS) gibi hem yer tabanlı hem de uzay tabanlı büyük ölçekli araştırmalar, astronomi alanında devrim yaratan büyük miktarda veri üretti. Vera K. Rubin Gözlemevi, Karanlık Enerji Spektroskopik Enstrüman (DESI), Öklid uzay görevi (ESA) veya James Webb Uzay Teleskobu (NASA/ESA) tarafından yapılacak gelecekteki çalışmalar daha ayrıntılı bilgi ve görüntüleme sağlamaya devam edecek. Ancak tüm verileri geleneksel yöntemlerle analiz etmek zaman alıcı olabilir. Yapay zeka veya makine öğrenimi, bu yeni verileri analiz etmek ve bilimsel olarak en iyi şekilde kullanmak için kritik öneme sahip olacak.
Pedro Cunha, “En heyecan verici kısımlardan biri, makine öğreniminin evreni daha iyi anlamamıza nasıl yardımcı olduğunu görmek. Metodolojimiz, süreçte yenilerini yaratırken bize olası bir yolu gösterir. Bu astronomi için olağanüstü bir zaman."
Görüntüleme ve spektroskopik çalışmalar, evrenin görünür içeriğini anlamak için ana kaynaklardan biridir. Bu incelemelerin verileri, yıldızlar, kuasarlar ve galaksiler hakkında istatistiksel çalışmalar yapmamıza ve daha sıra dışı nesneler keşfetmemize izin veriyor.
Ukrayna'nın Rus işgalcilerine karşı savaşmasına yardım edebilirsiniz. Bunu yapmanın en iyi yolu, Ukrayna Silahlı Kuvvetlerine bağış yapmaktır. Hayat kurtarmak veya resmi sayfa aracılığıyla NBU.
Ayrıca okuyun: