Μοντέλα και πλατφόρμες AI

Ερευνητές Ανάπτυξαν Ένα Πρόγραμμα Υπολογιστή Ικανό να Αναγνωρίζει και Ταξινομεί Γαλαξίες

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Ερευνητές στο Πανεπιστήμιο της Καλιφόρνιας, Σάντα Κρουζ, έχουν αναπτύξει το Morpheus, ένα πρόγραμμα υπολογιστή που μπορεί να αναλύσει τα pixel σε αστρονομικές εικόνες. Στη συνέχεια, μπορεί να αναγνωρίσει και να ταξινομήσει όλους τους γαλαξίες και αστέρες που υπάρχουν σε μεγάλες βάσεις δεδομένων που προέρχονται από αστρονομικές έρευνες.

Τι είναι το Morpheus;

Το Morpheus είναι ένα πλαίσιο βαθιάς μάθησης που αποτελείται από διάφορες τεχνολογίες τεχνητής νοημοσύνης. Οι τεχνολογίες αυτές εστιάζουν σε συγκεκριμένες εφαρμογές όπως η αναγνώριση εικόνων και ομιλίας.

Ο Brant Robertson είναι καθηγητής αστρονομίας και αστροφυσικής. Είναι υπεύθυνος για την Ομάδα Ερευνών Υπολογιστικής Αστροφυσικής στο Πανεπιστήμιο της Καλιφόρνιας, Σάντα Κρουζ. Σύμφωνα με τον Robertson, ορισμένες εργασίες που παραδοσιακά εκτελούνταν από αστρονομούς πρέπει να αυτοματοποιηθούν. Αυτό οφείλεται στο ότι οι διαστάσεις των αστρονομικών βάσεων δεδομένων αυξάνονται συνεχώς.

«Υπάρχουν κάποια πράγματα που απλά δεν μπορούμε να κάνουμε ως άνθρωποι, οπότε πρέπει να βρούμε τρόπους να χρησιμοποιήσουμε τους υπολογιστές για να αντιμετωπίσουμε την τεράστια ποσότητα δεδομένων που θα έρθει τα επόμενα χρόνια από μεγάλες αστρονομικές έρευνες», είπε.

Ο Ryan Hausen είναι φοιτητής μεταπτυχιακών σπουδών στην Επιστήμη Υπολογιστών στο Τμήμα Μηχανικής του Πανεπιστημίου της Καλιφόρνιας, Σάντα Κρουζ. Συνεργάστηκε με τον Anderson τα τελευταία δύο χρόνια για το Morpheus.

Τα αποτελέσματά τους δημοσιεύθηκαν στις 12 Μαΐου στο Astrophysical Journal Supplement Series. Ο κώδικας του Morpheus θα δημοσιευθεί επίσης στο κοινό και θα υπάρχουν διαδικτυατικές παρουσιάσεις.

Μορφολογίες Γαλαξιών

Οι αστρονομικοί μπορούν να μάθουν πώς οι γαλαξίες σχηματίζονται και εξελίσσονται με τον χρόνο观察ώντας τις μορφολογίες των γαλαξιών.

Υπάρχουν κάποιες μεγάλες έρευνες που πρόκειται να διεξαχθούν και θα παράγουν τεράστιες ποσότητες δεδομένων εικόνων που μπορούν να χρησιμοποιηθούν. Μια από αυτές τις έρευνες είναι η Έρευνα Κληρονομιάς του Χώρου και του Χρόνου (LSST), και θα διεξαχθεί στο Αστεροσκοπείο Vera Rubin στη Χιλή.

Ο Robertson έχει εργαστεί ενεργά για να βρει τρόπους να χρησιμοποιήσει τα δεδομένα για να κατανοήσει καλύτερα τη σχηματισμό και την εξέλιξη των γαλαξιών.

Όταν θα διεξαχθεί η LSST, θα ληφθούν πάνω από 800 πανοραμικές εικόνες κάθε νύχτα με μια κάμερα 3,2 δισεκατομμυρίων pixel. Δύο φορές την εβδομάδα, η LSST θα καταγράψει επίσης ολόκληρο τον ορατό ουρανό.

«Φανταστείτε αν πήγαινε σε αστρονομούς και τους ζητούσε να ταξινομήσουν δισεκατομμύρια αντικείμενα — πώς θα μπορούσαν να το κάνουν; Τώρα θα μπορούμε να ταξινομήσουμε αυτόματα αυτά τα αντικείμενα και να χρησιμοποιήσουμε αυτές τις πληροφορίες για να μάθουμε για την εξέλιξη των γαλαξιών», είπε ο Robertson.

Τεχνολογία Βαθιάς Μάθησης για Γαλαξίες

Η τεχνολογία βαθιάς μάθησης έχει χρησιμοποιηθεί από ορισμένους αστρονομούς για να ταξινομήσουν γαλαξίες, αλλά συνήθως απαιτεί να προσαρμοστούν υφιστάμενες αλγόριθμοι αναγνώρισης εικόνων. Οι αλγόριθμοι αυτοί παραδοσιακά τρέφονται με επιμελημένες εικόνες γαλαξιών.

Το Morpheus αναπτύχθηκε ειδικά για αστρονομικά δεδομένα εικόνων. Χρησιμοποιεί τα αρχικά δεδομένα εικόνων, τα οποία είναι σε ψηφιακή μορφή που χρησιμοποιείται από αστρονομούς.

Σύμφωνα με τον Robertson, ένα από τα κύρια σημεία του Morpheus είναι η ταξινόμηση σε επίπεδο pixel.

«Με άλλα μοντέλα, πρέπει να γνωρίζετε ότι κάτι υπάρχει και να ταΐσετε το μοντέλο με μια εικόνα, και το μοντέλο ταξινομεί ολόκληρο τον γαλαξία同時. Το Morpheus ανακαλύπτει τους γαλαξίες για σας, και το κάνει pixel προς pixel, οπότε μπορεί να χειριστεί πολύ περίπλοκες εικόνες, όπου μπορείτε να έχετε ένα σφαιροειδές δίπλα σε ένα δίσκο. Για einen δίσκο με κεντρικό βόθρο, ταξινομεί τον βόθρο ξεχωριστά. Έτσι είναι πολύ ισχυρό».

Οι ερευνητές χρησιμοποίησαν πληροφορίες από μια μελέτη του 2015 για να εκπαιδεύσουν τον αλγόριθμο βαθιάς μάθησης. Η μελέτη συλλέγει δεδομένα και ταξινόμησε περίπου 10.000 γαλαξίες σε εικόνες του Διαστημικού Τηλεσκοπίου Χάμπλ από την έρευνα CANDELS. Το Morpheus εφαρμόστηκε στη συνέχεια σε δεδομένα εικόνων από τα Πεδία Κληρονομιάς του Χάμπλ.

Μετά την επεξεργασία μιας εικόναςの一 μέρους του ουρανού, το Morpheus παράγει ένα νέο σετ εικόνων της ίδιας περιοχής, και χρωματίζει όλα τα αντικείμενα με βάση τη μορφολογία τους. Τα αστρονομικά αντικείμενα διαχωρίζονται από το φόντο, και αναγνωρίζει αστέρες και διαφορετικούς τύπους γαλαξιών. Το πρόγραμμα τρέχει στον υπερυπολογιστή lux του UCSC, όπου μια ανάλυση pixel προς pixel για ολόκληρη τη βάση δεδομένων παράγεται γρήγορα.

«Το Morpheus παρέχει ανίχνευση και μορφολογική ταξινόμηση αστρονομικών αντικειμένων σε επίπεδο λεπτομέρειας που δεν υπάρχει τώρα», είπε ο Hausen.

Η εργασία που ολοκληρώθηκε από τους ερευνητές υποστηρίχθηκε από τη NASA και το Εθνικό Ίδρυμα Επιστημών.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.