Səma cisimlərinin təsnifatı qədim problemdir. Demək olar ki, inanılmaz məsafələrdə olan mənbələrlə tədqiqatçılar bəzən ulduzlar, qalaktikalar, kvazarlar və ya fövqəlnovalar kimi obyektləri ayırd etməkdə çətinlik çəkirlər. Instituto de Astrofísica e Ciências do Espaço (IA) tədqiqatçıları Pedro Cunha və Andrew Humphrey astronomik mənbələrin təbiətini təyin edən maşın öyrənmə alqoritmi olan SHEEP yaradaraq klassik problemi həll etməyə çalışdılar. Andrew Humphrey (IA və Porto Universiteti, Portuqaliya) şərh edir: "Göy cisimlərinin təsnifatı problemi kainatın sayı və mürəkkəbliyi baxımından çox çətindir və süni intellekt bu cür tapşırıqlar üçün çox perspektivli bir vasitədir".
SHEEP fotometrik qırmızı sürüşmələri təxmin edən və sonradan mənbələri qalaktikalar, kvazarlar və ya ulduzlar kimi təsnif etmək üçün bu məlumatdan istifadə edən nəzarət edilən maşın öyrənmə boru kəməridir. Təsnifatı həyata keçirməzdən əvvəl SHEEP əvvəlcə fotometrik qırmızı sürüşmələri təxmin edir, daha sonra təsnifat modelini öyrətmək üçün əlavə xüsusiyyət kimi verilənlər bazasına daxil edilir.
Komanda müəyyən etdi ki, obyektlərin qırmızı yerdəyişməsi və koordinatları da daxil olmaqla, süni intellektə (AI) onları kainatın XNUMXD xəritəsində müəyyən etməyə imkan verir və mənbənin xüsusiyyətlərini daha yaxşı qiymətləndirmək üçün bunu rəngli məlumatlarla birlikdə istifadə edirlər. Məsələn, süni intellekt öyrəndi ki, Süd Yolunun müstəvisinə daha yaxın ulduzların tapılma ehtimalı qalaktika qütblərindən daha yüksəkdir. Humphrey əlavə etdi: "Biz süni intellektə kainatın üçölçülü görünüşünü əldə etməyə icazə verəndə, o, həqiqətən, göy cismin nə olduğu barədə dəqiq qərarlar qəbul etmək qabiliyyətini artırdı."
Sloan Rəqəmsal Səma Tədqiqatı (SDSS) kimi həm yer, həm də kosmos əsaslı geniş miqyaslı tədqiqatlar astronomiya sahəsində inqilab edərək böyük həcmdə məlumat istehsal etdi. Vera K. Rubin Rəsədxanası, Qaranlıq Enerji Spektroskopik Aləti (DESI), Evklid kosmik missiyası (ESA) və ya James Webb Kosmik Teleskopu (NASA/ESA) tərəfindən gələcək tədqiqatlar daha ətraflı məlumat və təsvirlər təqdim etməyə davam edəcək. Bununla belə, ənənəvi metodlardan istifadə edərək bütün məlumatları təhlil etmək çox vaxt apara bilər. Süni intellekt və ya maşın öyrənməsi bu yeni məlumatların təhlili və ən yaxşı elmi istifadəsi üçün kritik rol oynayacaq.
Pedro Cunha deyir: “Ən maraqlı hissələrdən biri maşın öyrənməsinin kainatı daha yaxşı anlamağa necə kömək etdiyini görməkdir. Metodologiyamız bizə mümkün yolu göstərir, eyni zamanda prosesdə yeni yollar yaradır. Bu, astronomiya üçün əla vaxtdır”.
Təsvir və spektroskopik tədqiqatlar kainatın görünən məzmununu başa düşmək üçün əsas mənbələrdən biridir. Bu baxışların məlumatları bizə ulduzların, kvazarların və qalaktikaların statistik tədqiqatlarını aparmağa, həmçinin daha qeyri-adi obyektləri kəşf etməyə imkan verir.
Siz Ukraynaya rus işğalçılarına qarşı mübarizədə kömək edə bilərsiniz. Bunun ən yaxşı yolu Ukrayna Silahlı Qüvvələrinə pul köçürməkdir Savelife və ya rəsmi səhifə vasitəsilə NBU.
Həmçinin oxuyun: