Yapay zeka ve derin öğrenme, gökbilimcilerin daha geniş bir evreni keşfetmelerine yardımcı olacak
Gökada kümeleri, evrendeki en büyük yapılardan biridir, ancak milyonlarca ışıkyılı genişliğinde olmalarına rağmen, keşfedilmeleri hala zordur. Lancaster Üniversitesi araştırmacıları yapay zekaya döndüler ve galaksi kümelerini keşfetme sürecini hızlandırabilecek yeni bir derin öğrenme teknolojisi türü olan "Deep-cee" yi (galaksi kümelerinin çıkarılması ve değerlendirilmesi için derin öğrenme) geliştirdiler. Lancaster Üniversitesi'nden doktora öğrencisi Matthew Chan, bu araştırmanın sonuçlarını 4 Temmuz 2019 günü saat 15: 45'te Kraliyet Astronomi Topluluğu Ulusal Astronomi Konferansının Astrofizik Makine Öğrenimi bölümünde sunacak.
Evrendeki çoğu galaksi, "alan" adı verilen düşük yoğunluklu ortamlarda yaşar veya Samanyolu ve Andromeda galaksilerimiz gibi küçük gruplar halinde bulunur. Gökada kümeleri nispeten nadirdir, ancak galaksilerin hayatta kalabileceği en uç ortamları temsil ederler. Bunları incelemek, karanlık maddeyi ve karanlık enerjiyi daha iyi anlamamıza yardımcı olabilir.
(Daire kartı buraya eklendi, lütfen görüntülemek için Toutiao istemcisine gidin)1950'lerde, gökada kümelerini keşfeden öncü ve gökbilimci gökbilimci George Abell, konumlarını belirlemek için büyüteçler ve fotoğraf plakaları kullanarak, çıplak gözle gökada kümelerini aramak için yıllarını geçirdi. Abell, galaksi kümelerinin görsel özelliklerini arayarak yaklaşık 2.000 fotoğraf negatifini manuel olarak analiz etti.
Yoğun galaksi bölgelerinin astronomik koordinatları ayrıntılı olarak açıklanmıştır.Araştırma sonucu, kuzey yarımkürede bulunan galaksi kümelerinin "Abell Kataloğu" dur. Derin CEE, Abell'in gökada kümelerini tanımlama yöntemine dayanıyor, ancak gökbilimcinin yerine renkli görüntüleri "gözlemlemek" ve gökada kümelerini tanımlamak için eğitilmiş bir yapay zeka modeli aldı. Bu, benzersiz desenleri ve renkleri görürken, insan beyninin belirli nöronları aktive ederek nesneleri tanıma şeklini taklit etmeyi amaçlayan sinir ağlarına dayanan son teknoloji bir modeldir. Yapay zekayı, görüntüdeki bilinen ve etiketlenmiş nesnelerin örneklerini tekrar tekrar gösterecek şekilde eğitin.
Algoritma, nesneleri tek başına ilişkilendirmeyi öğrenene kadar, algoritmanın diğer birçok gök cismi içeren görüntülerdeki gökada kümelerini tanımlama ve sınıflandırma yeteneğini test etmek için bir ön çalışma yapıldı. Araştırmacılar, Deep-CEE'yi Sloan Digital Sky Survey programına başarıyla uyguladılar.Sonunda, hiç keşfedilmemiş evreni keşfedecek olan Büyük Hava Gözlem Teleskobu (LSST) gibi devrim niteliğindeki gökyüzü araştırma programında modeller çalıştıracaklar. Daha geniş ve daha derin alan. Yeni son teknoloji ürünü teleskop, gökbilimcilerin her zamankinden daha kapsamlı ve derinlemesine gözlem yapmalarına olanak tanıyor.
Örneğin, evrenin büyük ölçekli yapısını incelemek ve evrendeki çok büyük miktarda keşfedilmemiş içeriğin haritasını çıkarmak. Keşif sürecini otomatikleştirerek, bilim adamları bir dizi görüntüyü hızlı bir şekilde tarayabilir ve minimum insan etkileşimi ile doğru tahminler döndürebilir; bu, gelecekteki veri analizi için gerekli olacaktır. Yaklaşan LSST gökyüzü araştırması (2021'de başlatılacak) gökyüzünün güney yarımkürede haritasını çıkaracak ve her gece 15 terabayt veri oluşturacağı tahmin ediliyor. Derin öğrenme gibi veri madenciliği teknikleri, modern teleskopların devasa çıktılarını analiz etmemize yardımcı olacak.Araştırmacılar ayrıca bu yöntemin bilimde hiç görülmemiş binlerce yıldız kümesini bulacağını umuyorlar.
