Classificatie van hemellichamen is een eeuwenoud probleem. Omdat bronnen zich op bijna ongelooflijke afstanden bevinden, hebben onderzoekers soms moeite om objecten zoals sterren, sterrenstelsels, quasars of supernova's van elkaar te onderscheiden. Onderzoekers van het Instituto de Astrofísica e Ciências do Espaço (IA) Pedro Cunha en Andrew Humphrey probeerden het klassieke probleem op te lossen door SHEEP te creëren, een machine learning-algoritme dat de aard van astronomische bronnen bepaalt. Andrew Humphrey (IA en Universiteit van Porto, Portugal) merkt op: "Het probleem van het classificeren van hemellichamen is erg moeilijk in termen van het aantal en de complexiteit van het universum, en kunstmatige intelligentie is een veelbelovend hulpmiddel voor dergelijke taken."
SHEEP is een gesuperviseerde machine learning-pijplijn die fotometrische roodverschuiving schat en deze informatie gebruikt om bronnen vervolgens te classificeren als sterrenstelsels, quasars of sterren. Voordat de classificatie wordt uitgevoerd, schat SHEEP eerst de fotometrische roodverschuivingen, die vervolgens in de dataset worden ingevoerd als een extra functie om het classificatiemodel te trainen.
Het team ontdekte dat het opnemen van de roodverschuiving en coördinaten van de objecten kunstmatige intelligentie (AI) in staat stelde om ze te identificeren op een XNUMXD-kaart van het universum, en ze gebruikten dit samen met kleurinformatie om de eigenschappen van de bron beter in te schatten. AI heeft bijvoorbeeld geleerd dat de kans om sterren dichter bij het vlak van de Melkweg te vinden groter is dan bij de galactische polen. Humphrey voegde toe: "Toen we de AI toestonden om een driedimensionaal beeld van het universum te krijgen, verbeterde het echt zijn vermogen om nauwkeurige beslissingen te nemen over wat een hemellichaam precies is."
Grootschalige onderzoeken, zowel op de grond als in de ruimte, zoals de Sloan Digital Sky Survey (SDSS), hebben grote hoeveelheden gegevens opgeleverd en hebben een revolutie teweeggebracht in het veld van de astronomie. Toekomstige studies door het Vera K. Rubin Observatorium, het Dark Energy Spectroscopic Instrument (DESI), de Euclid-ruimtemissie (ESA) of de James Webb Space Telescope (NASA/ESA) zullen meer gedetailleerde informatie en beeldvorming blijven opleveren. Het analyseren van alle gegevens met behulp van traditionele methoden kan echter tijdrovend zijn. AI of machine learning zal van cruciaal belang zijn voor het analyseren en het beste wetenschappelijke gebruik van deze nieuwe gegevens.
Pedro Cunha zegt: "Een van de meest opwindende onderdelen is om te zien hoe machine learning ons helpt het universum beter te begrijpen. Onze methodologie toont ons een mogelijk pad, terwijl we tegelijkertijd nieuwe creëren. Dit is een uitstekende tijd voor astronomie."
Beeldvorming en spectroscopische studies zijn een van de belangrijkste bronnen voor het begrijpen van de zichtbare inhoud van het universum. De gegevens van deze beoordelingen stellen ons in staat om statistische studies van sterren, quasars en sterrenstelsels uit te voeren, en om meer ongewone objecten te ontdekken.
U kunt Oekraïne helpen vechten tegen de Russische indringers. De beste manier om dit te doen is door geld te doneren aan de strijdkrachten van Oekraïne via Red het leven of via de officiële pagina NBU.
Lees ook:
Laat een reactie achter