โครงข่ายประสาทเทียมที่ใช้ในการสร้างแผนที่ 3 มิติของจักรวาล

นักวิทยาศาสตร์ฟ้าดาราจากภาควิชาดาราศาสตร์ของมหาวิทยาลัยฮาวายได้ใช้ อัลกอริทึม AI ในการสร้างแผนที่ 3 มิติของวัตถุฟ้าดารามากกว่า 3 พันล้านชิ้น ทีมดาราศาสตร์ใช้ข้อมูลสเปกโตรสโกปีและอัลกอริทึมการจำแนกประเภทโครงข่ายประสาทเทียมเพื่อทำงานนี้

เมื่อปี 2016 นักวิทยาศาสตร์ฟ้าดาราจากมหาวิทยาลัยฮาวายที่มาโนอา (UHM) สถาบันดาราศาสตร์ ได้เปิดเผยข้อมูลชุดใหญ่ให้กับสาธารณะ ซึ่งประกอบด้วยข้อมูลการสังเกตมากกว่า 3 พันล้านดาวฤกษ์ กาแลคซี และวัตถุฟ้าดาราอื่นๆ ที่รวบรวมมาในช่วง 4 ปีของการดูดาวเกือบสามในสี่ของท้องฟ้ายามค่ำคืน โครงการนี้เรียกว่า โครงการ Pan-STARRS และชุดข้อมูลที่ผลิตขึ้นมีขนาดประมาณ 2 เพตาบายต์ (สองล้านกิกะไบต์)

ฮันส์-วอลเตอร์ ริกส์ ผู้อำนวยการภาควิชากาแลคซีและจักรวาลวิทยาแห่งสถาบันดาราศาสตร์ Max Plank อธิบาย ตาม Phys.org ว่า:

“Pan-STARRS1 ได้ทำการแผนที่กาแลคซีของเรา ซึ่งก็คือทางช้างเผือก โดยมีรายละเอียดที่ไม่เคยทำได้ก่อนหน้านี้ การสำรวจครั้งนี้ให้มุมมองที่ลึกและกว้างของส่วนสำคัญของระนาบและจานของทางช้างเผือก… การผสมผสานระหว่างความลึกของภาพ การครอบคลุมพื้นที่ และสี ทำให้สามารถค้นพบควาซาร์ที่ไกลที่สุดเท่าที่ทราบ ซึ่งเป็นตัวอย่างแรกๆ ในจักรวาลของเรา ที่มีブラックโฮลยักษ์เติบโตที่ศูนย์กลางของกาแลคซี”

หนึ่งในเป้าหมายของการเปิดเผยชุดข้อมูลคือการใช้ในการสร้างแผนที่ของท้องฟ้าที่สามารถสังเกตได้ โดยการจำแนกจุดแสงมากมายที่สังเกตได้ในชุดข้อมูล นักวิจัยที่เกี่ยวข้องกับโครงการ Pan-STARRS ใช้ชุดข้อมูลนี้ในการฝึกอัลกอริทึมการเรียนรู้ของเครื่องจักรที่สามารถใช้ในการสร้างแผนที่

นักวิจัยจากมหาวิทยาลัยฮาวายทำงานร่วมกับกล้องโทรทรรศน์ PS1 ซึ่งตั้งอยู่บนเกาะฮาวายใหญ่ กล้องโทรทรรศน์ PS1 สามารถสแกนได้ประมาณ 75% ของท้องฟ้าที่สามารถสังเกตได้ กล้องโทรทรรศน์นี้เป็นการสำรวจทางดาราศาสตร์ที่ใหญ่ที่สุดในโลก และนักวิจัยต้องการใช้พลังงานนี้ในการสร้างแผนที่ท้องฟ้าที่ซับซ้อน ซึ่งเกี่ยวข้องกับการฝึกคอมพิวเตอร์ของ PS1 เพื่อจำแนกวัตถุ โดยแยกแยะระหว่างประเภทของวัตถุฟ้าดาราต่างๆ ชุดข้อมูลที่ใช้ในการฝึกคอมพิวเตอร์ประกอบด้วยการวัดหลายล้านครั้ง ซึ่งมีลักษณะเช่น ขนาดและสี

อัลกอริทึม AI ที่ใช้คือโครงข่ายประสาทเทียมปกติที่มีการป้อนไปข้างหน้า ซึ่งรวมกับวิธีการเพิ่มประสิทธิภาพที่ทำให้โครงข่ายสามารถเรียนรู้ความสัมพันธ์ที่ซับซ้อนระหว่างจุดข้อมูลหลายล้านจุด โรเบิร์ต เบ็ค อดีตผู้ทำการวิจัยหลังปริญญาเอกด้านจักรวาลวิทยาที่ UHM สถาบันดาราศาสตร์ อธิบายว่าใช้อัลกอริทึมการเพิ่มประสิทธิภาพที่ทันสมัยในการฝึกคอมพิวเตอร์บนชุดข้อมูลที่มีวัตถุฟ้าดาราประมาณ 4 ล้านชิ้น ตามที่ TechExplorist รายงาน ทีมวิจัยยังต้องแก้ไขปัญหาการรบกวนของฝุ่นภายในกาแลคซีทางช้างเผือก ทีมวิจัยใช้วิธีการสุ่มตัวอย่าง Monte-Carlo เพื่อประมาณการไม่แน่นอนเนื่องมาจาก photometric redshift (การประมาณการความเร็วของวัตถุ) และฝึกโมเดลการเรียนรู้ของเครื่องจักรบนข้อมูลสเปกโตรสโกปี

หลังจากที่โมเดลถูกฝึกแล้ว การทำงานของมันถูกตรวจสอบบนชุดข้อมูลการตรวจสอบ โมเดลสามารถระบุควาซาร์ได้ประมาณ 96.6% ดาวฤกษ์ได้ 97.8% และกาแลคซีได้ 98.1% นอกจากนี้ โมเดลยังสามารถคาดการณ์ระยะห่างไปยังกาแลคซี และเมื่อตรวจสอบแล้วพบว่าผลคาดการณ์เหล่านั้นผิดเพียงประมาณ 3%

ผลลัพธ์สุดท้ายของการฝึกและการใช้ AI คือ แคตตาล็อก 3 มิติที่ใหญ่ที่สุดของดาวฤกษ์ ควาซาร์ และกาแลคซีในโลก ผู้ร่วมเขียนการศึกษานี้ เคนเนธ แชมเบอร์ส อธิบายตามคำกล่าวของ Gizmodo ว่าโมเดลที่ใช้ในการสร้างแผนที่ควรจะสามารถใช้ซ้ำได้เมื่อมีข้อมูลเพิ่มขึ้นเรื่อยๆ ทำให้แผนที่ดีขึ้นและเพิ่มความเข้าใจเกี่ยวกับระบบสุริยะและจักรวาลของเรา นักวิทยาศาสตร์จะสามารถใช้แผนที่นี้เพื่อทำความเข้าใจรูปร่างของจักรวาลและกำหนดจุดที่แบบจำลองจักรวาลของเราตัดกับภาพฉายใหม่ๆ