Скопления галактик являются одними из самых массивных конструкций в космосе, но, несмотря на миллионы световых лет в поперечнике, они могут быть трудно обнаружить. Исследователи из Ланкастерского университета обратились к искусственный интеллект для помощи, развитие «дип-Си» (глубокое обучение для Galaxy добыча кластеров и оценка), Роман глубокий метод обучения, чтобы ускорить процесс их поиска. Мэтью Чан, аспирант в Университете Ланкастера, представляет эту работу на республиканском совещании Королевского астрономического общества по астрономии на 4 июля в 3:45 вечера на машинном обучении в сессии астрофизики.
Большинство галактик во вселенной живут в регионах с низкой плотностью населения, известного как «поле» или в небольших группах, как тот, что содержит наш Млечный Путь и Андромеды. Галактические кластеры являются более редкими, но они представляют самых экстремальных условиях, что галактики могут жить и их изучение может помочь нам лучше понять темную материю и темную энергию.
В 1950-х годах пионером кластера-в поисках Галактики, астроном Джордж Абель, провел много лет в поисках скоплений галактик на глаз, с помощью увеличительного объектива и фотопластинки, чтобы найти их. Абель вручную проанализировали около 2000 фотопластинок, ищу визуальные подписей скоплений галактик, и подробно астрономические координаты плотных областях галактик. Его работа привела в каталоге Абель’ скоплений галактик обнаружил в северном полушарии.
Глубокий ЦВЕ опирается на подход Абель для выявления скоплений галактик, но заменяет астроном с Модель AI, который был обучен, чтобы «взглянуть» на цветные изображения и выявления скоплений галактик. Это государство-оф-арт модель на основе нейронных сетей, которые предназначены, чтобы имитировать человеческий мозг учится распознавать объекты путем активации определенных нейронов при визуализации отличительных моделей и цветов.
Чан обучен ИИ, неоднократно показывая ему примеры известных, промаркированы объектов на изображениях до тех пор, пока алгоритм может научиться ассоциировать объекты по-своему. Затем провели экспериментальное исследование с целью проверки способности алгоритма идентификации и классификации скоплений галактик в изображениях, которые содержат много других астрономических объектов.
«Мы успешно применяли глубокие-ЦВЕ Слоан цифровой обзор неба», говорит Чен, «в конечном счете, мы будем управлять нашей модели революционного обследований, таких как крупного синоптического исследовательского телескопа (LSST), который будет исследовать шире и глубже в регионы Вселенной никогда не исследовал.
Новое государство-оф-искусство телескопы позволили астрономам наблюдать шире и глубже, чем когда-либо прежде, таких как изучение крупномасштабной структуры Вселенной и сопоставление ее огромной неисследованным материалам.
Благодаря автоматизации процесса обнаружения, ученые могут быстро сканировать наборов изображений, и вернуться точные прогнозы с минимальным вмешательством человека. Это будет важно для анализа данных в будущем. Предстоящему исследованию LSST обзора неба (должна вступить в эксплуатацию в 2021 году) будут изображения небе всем южном полушарии, создавая каждую ночь примерно 15 Тб данных.
«Использование методов интеллектуального анализа данных, такие как глубокое изучение поможет нам проанализировать колоссальные результаты современных телескопов», — говорит д-р Джон Стотт (кандидат юридических наук руководитель Тян). «Мы ожидаем, что наш метод найти тысячи кластеров никогда не видел перед наукой.»
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!