Bilim adamları, uzay sahnesini net bir şekilde görebilmemiz için bir sinir ağı eğitiyorlar.
Galaksileri tanımak için bir sinir ağını eğitmek, insanların evreni gözlemleme şeklini sonsuza kadar değiştirebilir.
Astronomik teleskoplar, insan teknolojisinin en çekici hayallerinden birini sağlar: İnsanlar sadece bir teleskopla evrenin gizemlerini ortaya çıkarabilir.
Evrenin gizemini çözmek için, insanların dünyayı ve evrendeki konumunu anlamalarına yardımcı olmak için teleskopların ışığı doğru şekilde kırması ve yakın ile uzak arasındaki mesafeyi kısaltması gerekir.
NGC 1448 galaksisi, gaz ve tozun arkasına gizlenmiş süper kütleli bir kara delik içerir.
Bu nedenle, her gece yıldızlı gökyüzüne bakmanın ve gök cisimlerinin ayrıntılı çizimlerini çizmenin yanı sıra, ilk gökbilimciler gök cisimlerinin zaman içindeki yörüngelerini de izlediler. Yavaş yavaş, dünyanın hareketi hakkında belirli bir anlayışa sahipler. Ancak bunu yapmak için çok fazla veri toplamaları gerekir.
Sonuç olarak, bilgisayarlar modern astronomide son derece yararlı araçlar haline geldi, bu da mantıklı. Bilgisayarlar sadece roket fırlatma parametrelerini hesaplamamıza ve uzay görevleri için modeller geliştirmemize yardımcı olmakla kalmaz, aynı zamanda uzak dünyadan derinlemesine bilgileri analiz edebilir. Günümüzde teleskopun boyutu gittikçe büyüyor ve onun aracılığıyla elde edilen evren bilgisi, ilk astronomların hayal gücünün ötesinde.
Kanarya Adaları'ndaki Büyük Kanarya Teleskobu, yaklaşık 10 metre çapıyla gezegendeki en büyük astronomik teleskoptur.
Kanarya Büyük Teleskopu
Gökbilimciler ayrıca Hawaii'de daha büyük bir teleskop yapmayı planlıyorlar. Tamamlandıktan sonra, boyutu Kanarya Teleskobunun neredeyse üç katı olacak. Bir teleskop tarafından kullanılan mercek veya ayna ne kadar büyükse, o kadar uzağı gözlemleyebilir. Ancak yakında yapay zeka teknolojisi, teleskopun boyutunun sınırlamasından kurtulmamıza yardımcı olabilir ve dış uzay sahnesini görmemize izin verebilir - teleskop için bile, bu sadece bulanık bir ışık noktasıdır.
Bilim adamının fikri, bulanık uzay görüntülerini gözlemleyebilmesi için bir sinir ağını eğitmek ve sonra teleskopların sahip olmadığı yetenekle uzak galaksilerin özelliklerini doğru bir şekilde yeniden inşa etmektir.
Bu yılın Ocak ayında Royal Astronomical Society'nin Aylık Bülteninde yayınlanan bir makalede, Zürih ETH'de astrofizikçi olan Kevin Schawinski liderliğindeki bir grup araştırmacı, buradaki varlıklarını anlattı. Açısından başarılı girişimler Bu araştırmacılar, galaksileri tanımlamak için bir sinir ağı eğittiklerini ve ardından sinir ağı tarafından öğrenilen bilgilere dayanarak bulanık galaksi görüntüsünü keskinleştirdiklerini söylediler. Kullandıkları makine öğrenimi tekniğine "Generative Adversarial Network" deniyor, bu da iki sinir ağının birbiriyle rekabet ettiği anlamına geliyor.
Soldan sağa: galaksinin orijinal görüntüsü, bozulmuş görüntü, sinir ağı tarafından restore edilmiş görüntü.
Bilgisayar bilimcileri ve fizikçiler bu teknolojileri denemeye başladıkça, giderek güçlenen teleskoplar sinir ağlarının bize evrenin daha net görüntülerini sunması için daha fazla fırsat sağlayacak. James Webb Uzay Teleskobu, önümüzdeki yıl fırlatılması planlanan bir örnektir. Her şey yolunda giderse, bu teleskop evrendeki en eski galaksilerden bazılarını - Büyük Patlama'dan yüz milyonlarca yıl sonra oluşan galaksileri - gözlemleyebilecek. "James Webb teleskopu bile bu yeni ortaya çıkan galaksilerin gizemlerini çözemeyebilir." Dedi Shavinsky ve sinir ağları bu görüntüleri anlamamıza yardımcı olabilir.
James Webb Teleskopu
Ancak Shavinsky bir sorun olduğuna dikkat çekti. Sinir ağı galaksileri tanıdığında, aldığı eğitim, mevcut galaksiler hakkındaki anlayışımıza dayanır. Bu, yeni oluşan bir galaksiyi yeniden inşa etmek için bir sinir ağını eğitmek için, bilim adamının önce makineye galaksinin neye benzediğini söyleyebilmesi gerektiği anlamına gelir. "Şimdi, erken evrendeki galaksilerin çeşitli evrimlere uğramış bu kadim evrendeki galaksilerden çok farklı olduğunu biliyoruz." Dedi Shavinsky, "Bu nedenle, sinir ağlarını galaksiler hakkında yanlış bilgilerle eğitiyor olabiliriz. Bu nedenle, sinir ağları tarafından geri yüklenen görüntüleri yorumlarken çok dikkatli olmalıyız. "
Makine öğrenimi teknolojisi daha fazla disipline yayıldıkça ve uygulamaları daha karmaşık hale geldikçe, bu önemli hatırlatma tekrar tekrar görünmeye devam edecek. Örneğin, kuantum fizikçisi Roger Melko (Roger Melko) yakın tarihli bir makalesinde, diğer alanlardaki bilim adamlarının, makine öğreniminin belirli bir maddenin ince özelliklerini tanımlamak için kullanılabileceğini ve ardından tersine mühendislik uygulanabileceğini söyledi. Yeni maddeleri veya maddenin yeni hallerini tespit etmek için.
"Yeterince dikkatli olursak, eğer bunu iyi yapabilirsek, sinir ağlarını (kullanarak) ve şu anda geleneksel istatistiksel yöntemlerle yaptığımız şey çok farklı olmayabilir." ETH Zürih'teki bilgisayarlar Bilim adamı Zhang Ce dedi. Kendisi aynı zamanda yukarıda bahsedilen "Monthly Bulletin of the Royal Astronomical Society" nin ortak yazarıdır.
Bu çabalar sayesinde, insanlar evrendeki konumlarını daha fazla açıdan düşünebilecek gibi görünüyor, ancak insanların evreni keşfetme şekli kökten değişmedi. "Gök cisimlerinin görüntüleri, ister galaksilerin, ister gezegenlerin görüntüleri olsun, çıplak gözle gördüğümüzden daha gerçek değil." Shavinsky, "Çıplak gözlerimiz, bırakın iyonları, ne X-ışınlarını ne de kızıl ötesini görebilir. Enerji geçişi sırasında yayılan ışık. "
Ayrıca görüntüleme verilerinin her zaman bir şekilde işlendiğini söyledi. İnsan görüşünün özel bir filtre olduğu söylenebilir ve astronominin tüm tarihi, bu filtreleme yeteneğinin geliştirildiği süreçtir. "Bence sinir ağı en son gelişmiş yöntemdir, onun aracılığıyla evrende ne olduğunu ve ne anlama geldiğini keşfedebiliriz."
Çeviri: O Wuyu
Kaynak: The Atlantic
