天体の分類は古くからある問題です。光源が信じられないほど離れたところにあるため、研究者は星、銀河、クエーサー、超新星などの天体を区別するのに苦労することがあります。 Instituto de Astrofísica e Ciências do Espaço (IA) の研究者である Pedro Cunha と Andrew Humphrey は、天文源の性質を決定する機械学習アルゴリズムである SHEEP を作成することで、古典的な問題を解決しようとしました。アンドリュー・ハンフリー氏（IA、ポルトガルのポルト大学）は、「天体を分類するという問題は、宇宙の数と複雑さの観点から非常に困難であり、人工知能はそのようなタスクに非常に有望なツールである。」とコメントしている。
SHEEP は、測光赤方偏移を推定し、この情報を使用してソースを銀河、クエーサー、星として分類する教師あり機械学習パイプラインです。 分類を実行する前に、SHEEP はまず測光赤方偏移を推定し、分類モデルをトレーニングするための追加機能としてデータセットに入力します。
チームは、オブジェクトの赤方偏移と座標を含めることで、人工知能 (AI) が宇宙の D マップ上でそれらを識別できることを発見し、これを色情報と共に使用して、ソースのプロパティをより適切に推定しました。 たとえば、AI は、銀河の極よりも天の川面に近い星を見つける確率が高いことを学習しました。 Humphrey 氏は次のように付け加えています。
スローン デジタル スカイ サーベイ (SDSS) などの地上ベースと宇宙ベースの大規模な調査によって大量のデータが生成され、天文学の分野に革命がもたらされました。 ヴェラ K. ルービン天文台、ダーク エネルギー分光装置 (DESI)、ユークリッド宇宙ミッション (ESA)、またはジェームズ ウェッブ宇宙望遠鏡 (NASA/ESA) による今後の研究により、より詳細な情報と画像が提供され続けます。 ただし、従来の方法を使用してすべてのデータを分析すると、時間がかかる場合があります。 AI または機械学習は、この新しいデータを分析し、科学的に最大限に活用するために不可欠です。
Pedro Cunha 氏は次のように述べています。 私たちの方法論は、その過程で新しい道を作りながら、可能な道を示してくれます。 これは天文学にとって素晴らしい時期です。」
イメージングと分光学的研究は、宇宙の目に見える内容を理解するための主要なリソースの つです。 これらのレビューのデータにより、星、クエーサー、銀河の統計的研究を実施したり、より珍しい天体を発見したりすることができます。
ウクライナがロシアの侵略者と戦うのを助けることができます。 これを行う最善の方法は、ウクライナ軍に資金を寄付することです。 セーブライフ または公式ページから NBU.
また読む：