Image Image Image Image Image Image Image Image Image Image

Новости астрономии и астрофизики — The Universe Times | 19.10.2017

Scroll to top

Top

Нет комментариев

Машинное обучение научит компьютеры определять фундаментальные признаки звёзд

Машинное обучение научит компьютеры определять фундаментальные признаки звёзд
shortstoryf

Астрономы в своих исследования пробуют активно использовать помощь автоматизированных систем и компьютеров, чтобы быстрее сортировать данные о тысячах звёзд в нашей галактики и изучить их размеры, состав и другие основные характеристики.

Эти исследования уже стали частью растущей области машинного обучения, в которой компьютеры учатся, изучая большие наборы данных, находя образцы, которые не могли бы увидеть люди. Машинное обучение, может и не заметно для нас, но уже активно используется во множестве сфер нашей жизни: от предсказаний наших предпочтений при поиске онлайн-фильмов, до распознавания рукописного шрифта адреса на почте с дальнейшей сортировкой по правильному почтовому индексу.

Теперь и астрономы повернулись лицом к искусственному интеллекту, они надеются, что кремниевые мозги помогут им идентифицировать основные свойства звёзд, основываясь на данных от обзоров неба. Обычно, получение основных характеристик звёзд требует наличие спектра их света на различных длинах волн. Но, благодаря машинному обучению, компьютерные алгоритмы могут быстро просмотреть доступные банки изображений, идентифицируя образцы, которые показывают свойства звезды. У этой техники есть потенциал в плане сбора информации о миллиардах звёзд за короткий срок и с меньшими затратами.

«Это походит на работу сервиса просмотра онлайн-видео, когда компьютер пытается не только предсказать, что бы Вы хотели посмотреть в будущем, но также предсказать Ваш возраст в зависимости от предпочтений. А мы предполагаем так предсказывать фундаментальные свойства звёзд», — Адам Миллер из Лаборатории реактивного движения НАСА.

Машинное обучение и раньше пробовали использовать в космических целях, но то, что предлагается изучать сейчас, уникально. Учёные впервые попытаются предсказать определённые черты звёзд, такие как размер и металличность, используя их снимки, полученные за долгое время съёмки. Эти данные важны в получении знаний о том, когда изучаемая звезда родилась, и как она изменилась за это время. С большей информацией о различных видах звёзд в Млечном пути учёные смогут лучше разобраться со структурой и историей нашей галактики.

Каждую ночь телескопы во всём мире получают тысячи изображений неба. Поток новых данных, как ожидается, ещё только больше усилится с вводом в эксплуатацию новых обзоров, таких как Large Synoptic Survey Telescope (LSST) — проекта Национального научного фонда, который будет базироваться в Чили. LSST будет получать изображения всего видимого неба каждый несколько ночей, собирая информацию о миллиардах звёзд и о том, как некоторые из них меняются в своей яркости в течение долгого времени. Так, например, миссия аппарата Кеплер уже включала в себя сбор подобной информации. Тогда аппарат получил данные о сотнях тысяч звёзд. В одиночку учёные не могут понять все эти данные. И вот тут-то на сцену и выходят машины, или, что более применимо к этому случаю, суперкомпьютеры, использующие специальные алгоритмы для обучения.

Но прежде, чем машины начнут учиться, они должны пройти период подготовки. В качестве учебного набора были использованные данные о 9000 объектах. Были получены спектры для этих звёзд, которые показали несколько их основных свойств: размеры, температуру и количество тяжёлых элементов, таких как железо. Переменная яркость звёзд была также зафиксирована Слоановским цифровым обзором неба, что позволило построить кривые их блеска. Как только эта фаза подготовки была закончена, компьютер смог делать самостоятельные предсказания о других звёздах, анализируя только только кривые блеска.

«Теперь мы можем обнаружить и классифицировать новые типы звезд без их спектров, получение которых является процессом дорогим и отнимающим много времени».

Фактически, техника исследования звёзд работает таким же образом, как и фильтры почтового спама. Антиспам фильтры запрограммированы так, чтобы идентифицировать ключевые слова в сообщении, связанные с нежелательной почтой, а затем удаляет письма по этим ключевым словам. Со временем пользователь учит программу новым ключевым словам, делая её работу качественнее. Машинное обучение, используемое Миллером, работает аналогично и со временем будет становиться всё лучше и лучше в плане точного предсказания звёзд.

Следующая цель для учёных — научить компьютеры общаться с данными о более чем 50 миллионов переменных звёзд, которые будут наблюдаться в проекте LSST.

По информации NASA.

Метки

Оставьте комментарий

Добавить комментарий

Яндекс.Метрика Рейтинг@Mail.ru Лицензия Creative Commons «The Universe Times» Google