ხელოვნური ინტელექტი
ნერვული ქსელები, რომლებიც გამოიყენება სამყაროს 3D რუქის შესაქმნელად
ცოტა ხნის წინ ჰავაის უნივერსიტეტის ასტრონომიის განყოფილების ასტრონომები გამოიყენა AI ალგორითმები რუკებისთვის ააგებენ მასიური 3D რუკას 3 მილიარდზე მეტი ციური ობიექტისგან. ასტრონომიის ჯგუფმა გამოიყენა სპექტროსკოპიული მონაცემები და ნერვული ქსელის კლასიფიკაციის ალგორითმები ამოცანის შესასრულებლად.
ჯერ კიდევ 2016 წელს, ჰავაის უნივერსიტეტის ასტრონომებმა მანოას ასტრონომიის ინსტიტუტის (UHM) ასტრონომიის ინსტიტუტის საზოგადოებას გამოაქვეყნეს მასიური მონაცემთა ბაზა, რომელიც შეიცავს 3 მილიარდზე მეტი ვარსკვლავის, გალაქტიკისა და სხვა ციური ობიექტების დაკვირვების მონაცემებს, რომლებიც შეგროვდა 4 წლის განმავლობაში დაახლოებით სამი დაკვირვებით. ღამის ცის მეოთხედი. პროექტს ეწოდა Pan-STARRS პროექტი და მის მიერ წარმოებული მონაცემთა ნაკრები იყო დაახლოებით 2 პეტაბაიტი (ორი მილიონი გიგაბაიტი).
როგორც მაქს პლანკის ასტრონომიის ინსტიტუტის გალაქტიკებისა და კოსმოლოგიის განყოფილების დირექტორმა ჰანს-ვალტერ რიქსმა განმარტა. Phys.org-ის მიხედვით:
„Pan-STARRS1-მა მოახდინა ჩვენი სახლის გალაქტიკა, ირმის ნახტომი, დეტალების იმ დონემდე, რაც აქამდე არასოდეს ყოფილა მიღწეული. კვლევა პირველად იძლევა ღრმა და გლობალურ ხედს ირმის ნახტომის სიბრტყისა და დისკის მნიშვნელოვანი ნაწილის... გამოსახულების სიღრმის, ფართობისა და ფერების უნიკალურმა კომბინაციამ მას საშუალება მისცა აღმოეჩინა ყველაზე შორეული ცნობილი კვაზარები: ეს. არის ჩვენი სამყაროს ყველაზე ადრეული მაგალითი იმისა, რომ გიგანტური შავი ხვრელები გალაქტიკების ცენტრებში გაიზარდა.
მონაცემთა ნაკრების გამოქვეყნების ერთ-ერთი მიზანი იყო ის, რომ ის გამოიყენებოდა დაკვირვებადი ცის რუქის შესაქმნელად, შუქის მრავალი წერტილის კლასიფიკაციისთვის, რომლებიც შეინიშნებოდა მონაცემთა ბაზაში. Pan-STARRS პროექტში ჩართულმა მკვლევარებმა გამოიყენეს მონაცემთა ნაკრები მანქანური სწავლების ალგორითმების მოსამზადებლად, რომელთა გამოყენებაც შეეძლოთ რუკის გენერირებისთვის.
ჰავაის უნივერსიტეტის მკვლევარები მუშაობენ PS1 ტელესკოპით, რომელიც მდებარეობს ჰავაის დიდ კუნძულზე. PS1-ს შეუძლია დაკვირვებადი ცის დაახლოებით 75%-ის სკანირება. ტელესკოპი არის ყველაზე დიდი ღრმა მრავალფეროვანი ოპტიკური კვლევა მსოფლიოში და მკვლევარებს სურდათ ამ ძალის გამოყენება დახვეწილი ცის რუქის შესაქმნელად. ეს მოიცავდა PS1-ის კომპიუტერების სწავლებას ობიექტების კლასიფიკაციისთვის, ციური სხეულის ერთი ტიპის სხვა ტიპისგან განასხვავებლად. მონაცემთა ნაკრები, რომელსაც ისინი იყენებდნენ კომპიუტერის მოსამზადებლად, შეიცავდა მილიონობით გაზომვას, რომელიც ხასიათდება ისეთი მახასიათებლებით, როგორიცაა ზომა და ფერი.
გამოყენებული ხელოვნური ინტელექტის ალგორითმები იყო ნორმალური მიმავალი ნერვული ქსელები, ოპტიმიზაციის მეთოდებთან ერთად, რაც საშუალებას აძლევდა ქსელებს გაეგოთ რთული ურთიერთობები მილიონობით მონაცემთა წერტილს შორის. რობერტ ბეკმა, UHM-ის ასტრონომიის ინსტიტუტის ყოფილმა კოსმოლოგიის პოსტდოქტორმა, განმარტა, რომ უახლესი ოპტიმიზაციის ალგორითმები გამოყენებული იყო კომპიუტერის მოსამზადებლად დაახლოებით 4 მილიონ ციურ ობიექტზე, რომელიც აღწერილია მონაცემთა ბაზაში. როგორც TechExplorist იტყობინება, მკვლევართა ჯგუფს ასევე უნდა გამოესწორებინა მტვრის ჩარევა ირმის ნახტომის გალაქტიკაში. მკვლევარმა ჯგუფმა გამოიყენა მონტე-კარლოს შერჩევის მეთოდი, რათა შეეფასებინა გაურკვევლობა ამის გამო ფოტომეტრული წითელ გადანაცვლება (ობიექტის სიჩქარის შეფასება) და შემდეგ მოამზადა მანქანათმცოდნეობის მოდელი სპექტროსკოპიულ მონაცემებზე.
მოდელის მომზადების შემდეგ, მისი შესრულება შემოწმდა ვალიდაციის მონაცემთა ბაზაში. ქსელმა წარმატებით ამოიცნო კვაზარების დაახლოებით 96.6%, ვარსკვლავების 97.8% და გალაქტიკების 98.1%. გარდა ამისა, მოდელმა იწინასწარმეტყველა მანძილი გალაქტიკებამდე და შემოწმებისას პროგნოზები მხოლოდ დაახლოებით 3%-ით იყო შემცირებული.
ხელოვნური ინტელექტის სწავლებისა და გამოყენების საბოლოო შედეგი იყო ვარსკვლავების, კვაზარების და გალაქტიკების უდიდესი 3D კატალოგი მსოფლიოში. კვლევის თანაავტორმა კენეტ ჩემბერსმა განმარტა, როგორც ციტირებს Gizmodo, რომ რუქის გენერირებისთვის გამოყენებული მოდელები კვლავ უნდა იქნას გამოყენებული, რადგან უფრო და უფრო მეტი მონაცემი გროვდება, რაც კიდევ უფრო აუმჯობესებს რუკას და აძლიერებს ჩვენს გაგებას ჩვენი მზის სისტემისა და სამყაროს შესახებ. მეცნიერებს შეეძლებათ გამოიყენონ რუკა, რათა მიიღონ ინფორმაცია სამყაროს ფორმის შესახებ და დაადგინონ, თუ სად ვერ შეესაბამება ჩვენი კოსმოლოგიური მოდელი ახალ პროგნოზებს.
