طبقه بندی اجرام سماوی یک مشکل باستانی است. با منابعی در فواصل تقریباً باورنکردنی، محققان گاهی اوقات برای تشخیص اجسامی مانند ستارگان، کهکشان‌ها، اختروش‌ها یا ابرنواخترها تلاش می‌کنند. Pedro Cunha و Andrew Humphrey محققین Instituto de Astrofísica e Ciências do Espaço (IA) تلاش کردند با ایجاد SHEEP، یک الگوریتم یادگیری ماشینی که ماهیت منابع نجومی را تعیین می کند، مشکل کلاسیک را حل کنند. اندرو هامفری (IA و دانشگاه پورتو، پرتغال) اظهار می کند: "مشکل طبقه بندی اجرام آسمانی از نظر تعداد و پیچیدگی جهان بسیار دشوار است و هوش مصنوعی ابزار بسیار امیدوار کننده ای برای چنین کارهایی است."
SHEEP یک خط لوله یادگیری ماشینی تحت نظارت است که جابجایی‌های قرمز نورسنجی را تخمین می‌زند و از این اطلاعات برای طبقه‌بندی منابع به عنوان کهکشان‌ها، اختروش‌ها یا ستاره‌ها استفاده می‌کند. قبل از انجام طبقه‌بندی، SHEEP ابتدا انتقال‌های قرمز نورسنجی را تخمین می‌زند، که سپس به عنوان یک ویژگی اضافی برای آموزش مدل طبقه‌بندی به مجموعه داده‌ها وارد می‌شود.
این تیم دریافت که شامل انتقال به سرخ و مختصات اشیاء به هوش مصنوعی (AI) اجازه می دهد تا آنها را روی نقشه سه بعدی کیهان شناسایی کند و آنها از آن به همراه اطلاعات رنگی برای تخمین بهتر ویژگی های منبع استفاده کردند. برای مثال، هوش مصنوعی دریافته است که احتمال یافتن ستارگان نزدیک‌تر به صفحه کهکشان راه شیری بیشتر از قطب‌های کهکشانی است. هامفری افزود: زمانی که به هوش مصنوعی اجازه دادیم دید سه بعدی از کیهان داشته باشد، واقعاً توانایی آن را در تصمیم گیری دقیق درباره چیستی یک جرم آسمانی افزایش داد.
بررسی‌های مقیاس بزرگ، چه زمینی و چه فضایی، مانند بررسی آسمان دیجیتال اسلون (SDSS)، داده‌های زیادی تولید کرده‌اند که انقلابی در حوزه نجوم ایجاد کرده‌اند. مطالعات آتی توسط رصدخانه Vera K. Rubin، ابزار طیف‌سنجی انرژی تاریک (DESI)، مأموریت فضایی اقلیدس (ESA)، یا تلسکوپ فضایی جیمز وب (NASA/ESA) به ارائه اطلاعات و تصویربرداری دقیق‌تر ادامه خواهند داد. با این حال، تجزیه و تحلیل تمام داده ها با استفاده از روش های سنتی می تواند زمان بر باشد. هوش مصنوعی یا یادگیری ماشینی برای تجزیه و تحلیل و بهترین استفاده علمی از این داده های جدید حیاتی خواهد بود.
پدرو کونا می‌گوید: «یکی از هیجان‌انگیزترین بخش‌ها این است که ببینیم چگونه یادگیری ماشینی به ما کمک می‌کند تا جهان را بهتر درک کنیم. روش شناسی ما یک مسیر ممکن را به ما نشان می دهد، در حالی که مسیرهای جدیدی را در این فرآیند ایجاد می کند. این یک زمان برجسته برای نجوم است."
تصویربرداری و مطالعات طیف‌سنجی یکی از منابع اصلی برای درک محتویات مرئی کیهان است. داده‌های این بررسی‌ها به ما امکان می‌دهد تا مطالعات آماری ستارگان، اختروش‌ها و کهکشان‌ها و همچنین کشف اجرام غیرعادی‌تر را انجام دهیم.
شما می توانید به اوکراین در مبارزه با مهاجمان روسی کمک کنید. بهترین راه برای انجام این کار، کمک مالی به نیروهای مسلح اوکراین است Savelife یا از طریق صفحه رسمی NBU.
همچنین بخوانید: