Класификацијата на небесните објекти е древен проблем. Со извори на речиси неверојатни растојанија, истражувачите понекогаш се мачат да разликуваат објекти како што се ѕвезди, галаксии, квазари или супернови. Истражувачите на Instituto de Astrofísica e Ciências do Espaço (IA) Педро Куња и Ендрју Хемфри се обидоа да го решат класичниот проблем со создавање на SHEEP, алгоритам за машинско учење што ја одредува природата на астрономските извори. Ендрју Хемфри (ИА и Универзитетот во Порто, Португалија) коментира: „Проблемот со класификација на небесните објекти е многу тежок во однос на бројот и сложеноста на универзумот, а вештачката интелигенција е многу ветувачка алатка за такви задачи“.
SHEEP е надгледувана линија за машинско учење што ги проценува фотометриските поместувања на црвено и ги користи овие информации за последователно да ги класифицира изворите како галаксии, квазари или ѕвезди. Пред да ја изврши класификацијата, SHEEP прво ги проценува фотометриските црвени поместувања, кои потоа се внесуваат во базата на податоци како дополнителна карактеристика за обука на моделот на класификација.
Тимот откри дека вклучувањето на црвеното поместување на предметите и координатите и овозможи на вештачката интелигенција (ВИ) да ги идентификува на XNUMXД мапа на универзумот, и тие го искористија ова заедно со информации за бојата за подобро да ги проценат својствата на изворот. На пример, вештачката интелигенција дознала дека веројатноста да се најдат ѕвезди поблиску до рамнината на Млечниот Пат е поголема отколку кај галактичките полови. Хемфри додаде: „Кога и дозволивме на вештачката интелигенција да добие тридимензионален поглед на универзумот, таа навистина ја подобри нејзината способност да донесува точни одлуки за тоа што точно е небесен објект“.
Истражувањата од големи размери, и копнени и вселенски, како што е истражувањето за дигитално небо на Слоан (SDSS), произвеле големи количини на податоци, револуционизирајќи го полето на астрономијата. Идните студии на опсерваторијата Вера К. Рубин, спектроскопскиот инструмент за темна енергија (DESI), вселенската мисија Евклид (ESA) или вселенскиот телескоп Џејмс Веб (NASA/ESA) ќе продолжат да обезбедуваат подетални информации и слики. Сепак, анализата на сите податоци со користење на традиционални методи може да одземе многу време. Вештачката интелигенција или машинското учење ќе биде од клучно значење за анализата и најдобрата научна употреба на овие нови податоци.
Педро Куња вели: „Еден од највозбудливите делови е да видиме како машинското учење ни помага подобро да го разбереме универзумот. Нашата методологија ни покажува можен пат, притоа создавајќи нови во процесот. Ова е извонредно време за астрономијата“.
Снимањето и спектроскопските студии се еден од главните ресурси за разбирање на видливите содржини на универзумот. Податоците од овие прегледи ни овозможуваат да спроведеме статистички студии за ѕвезди, квазари и галаксии, како и да откриеме повеќе необични објекти.
Можете да и помогнете на Украина да се бори против руските напаѓачи. Најдобар начин да го направите ова е да донирате средства за вооружените сили на Украина преку Савелифе или преку официјалната страница Bвезди.
Прочитајте исто така: