g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Yapay zeka yeni gezegenler buldu ve ortaya çıkışı birçok sorunu son derece yüksek doğrulukla çözmemize yardımcı oldu.

Journal of Astronomy'de yayınlanan bir makalede, Austin'deki Texas Üniversitesi'nden Anne Dattilo liderliğindeki araştırmacılar, NASA'ya yapay zeka uyguladıklarını bildirdi. NASA'nın Kepler Uzay Teleskobu tarafından toplanan veriler. Yapay zeka, şu ana kadar keşfedilmemiş iki yıldızın etrafında dönen gezegenleri başarıyla belirledi.

Örnek: Gürültülü verileri taramak için yapay zeka kullanmak sonuç üretecektir.

Kullanılan veriler, uzay aracının uzatılmış "ikinci ömür" aktivitesi olan Kepler'in sözde K2 görevi sırasında toplandı. Olay, NASA personelinin ciddi bir arızadan sonra teleskopu başarıyla yeniden başlatmasıyla 2013 yılında başladı.

Araştırma raporunun yazarlarından Andrew Van der Pauw, hasarlı uzay aracını tekrar faaliyete geçirmenin şüphesiz mühendislik için büyük bir zafer olduğunu, ancak gökbilimciler için baş ağrısına neden olduğunu açıkladı. "K2'nin verileri daha zorlu çünkü uzay aracı her zaman hareket ediyor" dedi.

Hareketinin yalpası, toplanan verilerin çok gürültülü olduğu anlamına gelir, bu da dış gezegenlerin tanımlanmasını daha zor hale getirir. Araştırmacılar şimdi bir çözümün bir gezegen arama algoritması oluşturmak ve ardından özgürce çalışmasına izin vermek olduğunu kanıtladılar. Programı çalıştırdıktan sonra, 1300 ışıkyılı uzaklıkta bir yıldızın yörüngesinde dönen K2-293b gezegenini ve 1230 ışıkyılı uzaklıkta bir yıldızın yörüngesinde dönen K2-294b gezegenini keşfettik. Her ikisi de Kova burcunda bulunur.

Dattilo, bu gezegenlerin "K2'de bulunan çok tipik gezegenler" olduğunu söyledi. Şöyle açıkladı: "Ev sahibi yıldıza çok yakınlar, kısa bir yörünge dönemleri var ve çok sıcaklar." "Dünya'dan biraz daha büyükler." Araştırmacılar şimdi yapay zekayı daha büyük bir K2 veri setine uygulamayı planlıyor ve daha fazlasını keşfetmeyi bekliyor. Şimdiye kadar saklı hazine.

Van der Berg, Yapay zeka, veri setini tekdüze aramamıza yardımcı olacak dedi. Her yıldızın etrafında Dünya büyüklüğünde bir gezegen olsa bile, Kepler teleskopuyla gözlemlediğimizde, tüm gezegenleri bulamayacağız. Bunun nedeni, bazı verilerin çok gürültülü olması veya bazen gezegenlerin yanlış düzenlenmiş olmasıdır. Yani kaçırdığımız şeyi düzeltmeliyiz. Bu nedenlerle göremediğimiz birçok gezegen olduğunu biliyoruz.

"Toplamda kaç gezegen olduğunu bilmek istiyorsak, kaç tane gezegen bulduğumuzu bilmeliyiz, ama aynı zamanda kaç tane gezegeni kaçırdığımızı da bilmeliyiz. Sorun bu."

Uzun yıllardır bilim adamları, binlerce dış gezegeni bulmak ve keşfetmek için NASAnın Kepler Uzay Teleskobu verilerini kullanıyorlar. Genişletilmiş K2 görevinde Kepler, ekliptik düzlemde gökyüzünün farklı bölgelerinde ve dolayısıyla farklı galaksi ortamlarında yıldızları gözlemledi. Gökbilimciler, bu farklı ortamlarda dış gezegenlerin sayısının farklı olduğunu bilmek isterler. Ancak bu, bu bölgelerdeki dış gezegenleri tanımlamak ve geçiş yapan gezegen sinyallerini simüle eden yanlış pozitif sinyalleri ortadan kaldırmak için otomatik ve tarafsız bir yöntem gerektirir.

Derin öğrenmeyi kullanarak bu dış gezegen sinyallerini sınıflandırmak için bir yöntem öneriyoruz. Derin öğrenme, tıp ve dilbilim gibi alanlarda popüler olan bir makine öğrenme algoritmasıdır. Daha önce Kepler alanındaki dış gezegenleri tanımlamak için kullanılan bir sinir ağını değiştirdik, böylece galaktik ortamda geniş bir menzile sahip olan farklı K2 hareketlerindeki dış gezegenleri tanımlayabiliyoruz. Belirli bir olası dış gezegen sinyalinin bir dış gezegenden mi yoksa yanlış bir pozitiften mi kaynaklandığını tahmin etmek için AstroNet-K2 adlı evrişimli bir sinir ağı eğitiyoruz. AstroNet-K2, test setimizde% 98 doğruluk oranıyla dış gezegenleri ve yanlış alarmları sınıflandırmada çok başarılıdır.