Класифікація небесних об’єктів є давньою проблемою. З джерелами на майже неймовірних відстанях дослідникам іноді важко розрізнити такі об’єкти, як зірки, галактики, квазари чи наднові зірки. Дослідники Instituto de Astrofísica e Ciências do Espaço (IA) Педро Кунья та Ендрю Хамфрі спробували розв’язати класичну проблему, створивши SHEEP, алгоритм машинного навчання, що визначає природу астрономічних джерел. Ендрю Хамфрі (ІА та Університет Порту, Португалія) коментує: «Проблема класифікації небесних об’єктів дуже складна з точки зору кількості та складності Всесвіту, і штучний інтелект — дуже перспективний інструмент для таких завдань».
SHEEP – це керований конвеєр машинного навчання, який оцінює фотометричні червоні зсуви та використовує цю інформацію за наступної класифікації джерел як галактик, квазарів або зірок. Перед виконанням класифікації SHEEP спочатку оцінює фотометричні червоні усунення, які потім поміщаються в набір даних як додаткова функція для навчання моделі класифікації.
Команда виявила, що включення червоного зсуву та координат об’єктів дозволяє штучному інтелекту (ШІ) визначити їх на тривимірній карті Всесвіту, і вони використовували це разом з інформацією про колір, щоб краще оцінити властивості джерела. Наприклад, ШІ дізнався, що можливість знайти зірки ближче до площини Чумацького Шляху вище, ніж на галактичних полюсах. Хамфрі додав: «Коли ми дозволили ШІ отримати тривимірне уявлення про Всесвіт, це дійсно покращило його здатність приймати точні рішення про те, що саме є небесним об’єктом».
Великі огляди, як наземні, так і космічні, такі як Sloan Digital Sky Survey (SDSS), дали великі обсяги даних, зробивши революцію у сфері астрономії. Майбутні дослідження, що проводяться обсерваторією Віри К. Рубін, спектроскопічним приладом темної енергії (DESI), космічною місією Euclid (ESA) або космічним телескопом Джеймса Вебба (NASA/ESA), продовжать надавати детальнішу інформацію і візуалізацію. Проте аналіз всіх даних з використанням традиційних методів може забрати багато часу. ШІ або машинне навчання матимуть вирішальне значення для аналізу та найкращого наукового використання цих нових даних.
Педро Кунья каже: «Одна з найзахоплюючіших частин — бачити, як машинне навчання допомагає нам краще зрозуміти Всесвіт. Наша методологія показує нам можливий шлях, тоді як у процесі створюються нові. Це видатний час для астрономії».
Зображення та спектроскопічні дослідження є одним з основних ресурсів для розуміння видимого вмісту Всесвіту. Дані цих оглядів дозволяють проводити статистичні дослідження зірок, квазарів та галактик, а також відкривати незвичайніші об’єкти.
Ви можете допомогти Україні боротися з російськими окупантами. Найкращий спосіб зробити це – пожертвувати кошти Збройним Силам України через Savelife або через офіційну сторінку НБУ.
Читайте також:
Leave a Reply