Việc phân loại các thiên thể là một vấn đề cổ xưa. Với các nguồn ở khoảng cách gần như không thể tin được, các nhà nghiên cứu đôi khi gặp khó khăn trong việc phân biệt các vật thể như sao, thiên hà, chuẩn tinh hoặc siêu tân tinh. Các nhà nghiên cứu của Instituto de Astrofísica e Ciências do Espaço (IA) Pedro Cunha và Andrew Humphrey đã cố gắng giải quyết vấn đề kinh điển bằng cách tạo ra SHEEP, một thuật toán học máy xác định bản chất của các nguồn thiên văn. Andrew Humphrey (IA và Đại học Porto, Bồ Đào Nha) nhận xét: “Vấn đề phân loại thiên thể là rất khó xét về số lượng và độ phức tạp của vũ trụ, và trí tuệ nhân tạo là một công cụ rất hứa hẹn cho những nhiệm vụ như vậy”.
SHEEP là một quy trình học máy được giám sát, ước tính các dịch chuyển đỏ trắc quang và sử dụng thông tin này để sau đó phân loại các nguồn thành thiên hà, chuẩn tinh hoặc sao. Trước khi thực hiện phân loại, SHEEP trước tiên ước tính các dịch chuyển đỏ trắc quang, sau đó được đưa vào tập dữ liệu như một tính năng bổ sung để huấn luyện mô hình phân loại.
Nhóm nghiên cứu nhận thấy rằng việc bao gồm cả dịch chuyển đỏ và tọa độ của các đối tượng cho phép trí tuệ nhân tạo (AI) xác định chúng trên bản đồ D của vũ trụ và họ đã sử dụng thông tin này cùng với thông tin màu sắc để ước tính tốt hơn các thuộc tính của nguồn. Ví dụ, AI đã học được rằng xác suất tìm thấy các ngôi sao ở gần mặt phẳng của Dải Ngân hà cao hơn so với ở các cực của thiên hà. Humphrey nói thêm: "Khi chúng tôi cho phép AI có được cái nhìn ba chiều về vũ trụ, nó thực sự đã cải thiện khả năng đưa ra quyết định chính xác về thiên thể chính xác là gì."
Các cuộc khảo sát quy mô lớn, cả trên mặt đất và trên không gian, chẳng hạn như Khảo sát bầu trời kỹ thuật số Sloan (SDSS), đã tạo ra một lượng lớn dữ liệu, cách mạng hóa lĩnh vực thiên văn học. Các nghiên cứu trong tương lai của Đài thiên văn Vera K. Rubin, Thiết bị quang phổ năng lượng tối (DESI), sứ mệnh không gian Euclid (ESA) hoặc Kính viễn vọng không gian James Webb (NASA/ESA) sẽ tiếp tục cung cấp thông tin và hình ảnh chi tiết hơn. Tuy nhiên, việc phân tích tất cả dữ liệu bằng các phương pháp truyền thống có thể tốn nhiều thời gian. Trí tuệ nhân tạo hoặc học máy sẽ rất quan trọng để phân tích và sử dụng dữ liệu mới này một cách khoa học nhất.
Pedro Cunha nói: “Một trong những phần thú vị nhất là xem cách máy học giúp chúng ta hiểu rõ hơn về vũ trụ. Phương pháp của chúng tôi cho chúng ta thấy một con đường khả thi, đồng thời tạo ra những con đường mới trong quá trình này. Đây là một thời gian tuyệt vời cho thiên văn học."
Các nghiên cứu về hình ảnh và quang phổ là một trong những nguồn chính để hiểu nội dung có thể nhìn thấy của vũ trụ. Dữ liệu của các đánh giá này cho phép chúng tôi tiến hành các nghiên cứu thống kê về các ngôi sao, chuẩn tinh và thiên hà, cũng như khám phá thêm các vật thể khác thường.
Bạn có thể giúp Ukraine chiến đấu chống lại những kẻ xâm lược Nga. Cách tốt nhất để làm điều này là quyên góp quỹ cho Các lực lượng vũ trang của Ukraine thông qua Cuộc sống tiết kiệm hoặc thông qua trang chính thức NBU.
Đọc thêm: