|
ИИ помогает в идентификации астрономических объектов
|
|
|
|
Классификация небесных объектов является давней проблемой. С источниками на почти невообразимых расстояниях исследователям иногда трудно различить такие объекты, как звезды, галактики, квазары или сверхновые звезды. Исследователи Педро Кунья и Эндрю Хамфри попытались решить эту классическую проблему, создав SHEEP, алгоритм машинного обучения, который определяет природу астрономических источников. Эндрю Хамфри (ИА и Университет Порту, Португалия) комментирует: «Проблема классификации небесных объектов очень сложна с точки зрения количества и сложности Вселенной, и искусственный интеллект — очень многообещающий инструмент для такого типа задач. " Первый автор статьи, опубликованной в журнале Astronomy & Astrophysics, Педро Кунья, доктор философии. студент IA, физического факультета и Университета Порто, говорит: «Эта работа родилась как побочный проект моей магистерской диссертации. Она объединила уроки, полученные за это время, в уникальный проект».
|
|
|
|
Эндрю Хамфри, советник магистра наук Педро Кунья, а ныне доктор философии. соруководитель говорит: «Было очень здорово получить такой интересный результат, особенно по магистерской диссертации». SHEEP — это управляемый конвейер машинного обучения, который оценивает фотометрические красные смещения и использует эту информацию при последующей классификации источников как галактик, квазаров или звезд. «Фотометрическую информацию получить проще всего, и поэтому она очень важна для первого анализа природы наблюдаемых источников», — говорит Педро Кунья. «Новым шагом в нашем конвейере является то, что перед выполнением классификации SHEEP сначала оценивает фотометрические красные смещения, которые затем помещаются в набор данных в качестве дополнительной функции для обучения модели классификации».
|
|
|
Команда обнаружила, что включение красного смещения и координат объектов позволяет ИИ понять их на трехмерной карте вселенной, и они использовали это вместе с информацией о цвете, чтобы лучше оценить свойства источника. Например, ИИ узнал, что вероятность найти звезды ближе к плоскости Млечного Пути выше, чем на галактических полюсах. Хамфри добавил: «Когда мы позволили ИИ иметь трехмерное представление о Вселенной, это действительно улучшило его способность принимать точные решения о том, что представляет собой каждый небесный объект». Обширные обзоры, как наземные, так и космические, такие как Sloan Digital Sky Survey (SDSS), дали большие объемы данных, произведя революцию в области астрономии. Будущие исследования, проводимые обсерваторией Веры С. Рубин, спектроскопическим прибором темной энергии (DESI), космической миссией Euclid (ESA) или космическим телескопом Джеймса Уэбба (NASA/ESA), продолжат давать нам более подробную информацию. визуализация. Однако анализ всех данных с использованием традиционных методов может занять много времени. ИИ или машинное обучение будут иметь решающее значение для анализа и наилучшего научного использования этих новых данных.
|
|
|
|
Эта работа является частью усилий команды по использованию ожидаемого потока данных, полученных в результате этих опросов, путем разработки систем искусственного интеллекта, которые эффективно классифицируют и характеризуют миллиарды источников. Педро Кунья говорит: «Одна из самых захватывающих частей — видеть, как машинное обучение помогает нам лучше понять Вселенную. Наша методология показывает нам один возможный путь, в то время как в процессе создаются новые. Это захватывающее время для астрономии." Изображения и спектроскопические исследования являются одним из основных ресурсов для понимания видимого содержимого Вселенной. Данные этих обзоров позволяют проводить статистические исследования звезд, квазаров и галактик, а также открывать более пекулярные объекты. Главный исследователь Полихронис Пападерос говорит: «Разработка передовых алгоритмов машинного обучения, таких как SHEEP, является неотъемлемым компонентом последовательной стратегии IA по научному использованию беспрецедентно больших наборов фотометрических данных для миллиардов галактик с космической миссией ESA Euclid, запуск которой запланирован. в 2023 году». Евклид предоставит подробную картографию Вселенной и прольет свет на природу загадочной темной материи и темной энергии.
|
|
|
|
Источник
|
