Бетти таануу жана өзүн-өзү башкара турган унааларды башкарган ошол эле технология жакында ааламдын жашыруун сырларын ачууда негизги курал болуп калышы мүмкүн.
Байкоочу астрономиядагы акыркы өнүгүүлөр маалыматтардын жарылуусуна алып келди.
Күчтүү телескоптор күн сайын терабайт маалыматтарды чогултат. Мынчалык көп маалыматтарды иштеп чыгуу үчүн окумуштуулар радиацияны жана башка асман кубулуштарын өлчөө сыяктуу тармактагы ар кандай тапшырмаларды автоматташтыруунун жаңы жолдорун табышы керек.
Астрономдор тездетүүнү каалап жаткан өзгөчө тапшырмалардын бири – галактикалардын классификациясы. Бул макалада биз галактикаларды классификациялоо эмне үчүн мынчалык маанилүү экенин жана изилдөөчүлөр маалыматтардын көлөмү көбөйгөн сайын масштабын кеңейтүү үчүн алдыңкы машина үйрөнүү ыкмаларына кантип таяна баштаганын карап чыгабыз.
Эмне үчүн галактикаларды классификациялашыбыз керек?
Галактикалардын классификациясы галактика морфологиясы деп аталып, 18-кылымда пайда болгон. Ошол мезгилде сэр Уильям Гершель ар кандай «тумандуулуктардын» ар кандай формада келерин байкаган. Анын уулу Жон Гершель галактикалык тумандуулуктар менен галактикалык эмес тумандуулуктарды айырмалоо менен бул классификацияны жакшырткан. Бул эки классификациянын акыркысы биз билген жана галактика деп атаган нерсе.
18-кылымдын аягында ар кандай астрономдор бул космостук объектилер "экстрагалактикалык" жана алар биздин Саманчынын жолунун сыртында жайгашкан деп болжошкон.
Хаббл 1925-жылы формалдуу эмес Хаббл тюнинг-форк диаграммасы катары белгилүү болгон Хаббл ырааттуулугун киргизүү менен галактикалардын жаңы классификациясын киргизген.
Хабблдын ырааттуулугу галактикаларды регулярдуу жана туура эмес галактикаларга бөлгөн. Регулярдуу галактикалар дагы үч кеңири класска бөлүнгөн: эллиптиктер, спиральдар жана линзалар.
Галактикаларды изилдөө бизге ааламдын иштешинин бир нече негизги сырларын түшүнүүгө мүмкүндүк берет. Окумуштуулар жылдыздардын пайда болуу процесси жөнүндө теорияларды түзүү үчүн галактикалардын ар кандай формаларын колдонушкан. Окумуштуулар симуляцияларды колдонуу менен галактикалардын өзүлөрүнүн бүгүнкү күндө биз байкап жаткан формаларга кантип пайда болорун моделдөөгө аракет кылышты.
Галактикалардын автоматташтырылган морфологиялык классификациясы
Галактикаларды классификациялоо үчүн машина үйрөнүүнү колдонуу боюнча изилдөөлөр келечектүү натыйжаларды көрсөттү. 2020-жылы Япониянын Улуттук астрономиялык обсерваториясынын изилдөөчүлөрү а терең үйрөнүү техникасы галактикаларды так классификациялоо.
Окумуштуулар Subaru/Hyper Suprime-Cam (HSC) сурамжылоосунан алынган сүрөттөрдүн чоң маалымат топтомун колдонушкан. Алардын техникасын колдонуп, алар галактикаларды S-акылдуу спиральдарга, Z-акылдуу спиралдарга жана спиралдуу эместерге бөлүшкөн.
Алардын изилдөөлөрү телескоптордон чоң маалыматтарды бириктирүүнүн артыкчылыктарын көрсөттү терең билим алуу техникалар. Нейрондук торлордун аркасында астрономдор азыр тилкелер, биригүү жана күчтүү линзалуу объекттер сыяктуу морфологиянын башка түрлөрүн классификациялоого аракет кыла алышат. Мисалы, байланыштуу изилдөө MK Cavanagh жана K. Bekki CNN аркылуу галактикаларды бириктирүүдө бар түзүлүшүн изилдөө үчүн колдонушкан.
Бул кантип иштейт
NAOJ илимпоздору convolutional таянышкан нейрон тармактары же сүрөттөрдү классификациялоо үчүн CNN. 2015-жылдан бери CNN айрым объектилерди классификациялоо үчүн өтө так ыкма болуп калды. CNN үчүн реалдуу тиркемелерге сүрөттөрдө жүздү аныктоо, өзүн-өзү айдаган унаалар, кол менен жазылган каармандарды таануу жана медициналык сүрөттөрдү талдоо.
Бирок CNN кантип иштейт?
CNN классификатор деп аталган машина үйрөнүү ыкмаларынын классына кирет. Классификаторлор белгилүү бир киргизүүнү кабыл алып, маалымат чекитин чыгара алышат. Мисалы, көчө белгилеринин классификатору сүрөттү алып, ал сүрөт көчө белгисиби же жокпу чыгара алат.
CNN бир мисалы болуп саналат нейрон тармак. Бул нейрон тармактары турат нейрондор болуп уюштурулган катмарлар. Тренинг этабында бул нейрондор талап кылынган классификация маселесин чечүүгө жардам бере турган белгилүү бир салмактарга жана тенденцияларга ылайыкташтырылган.
Нейрондук тармак бир сүрөттөлүштү кабыл алганда, ал бүт нерсени эмес, сүрөттөлүштүн кичинекей аймактарын алат, ар бир жеке нейрон негизги сүрөттөлүштүн ар кандай бөлүмдөрүндө кабыл алып, башка нейрондор менен өз ара аракеттенет.
Convolutional катмарлардын болушу CNN башка нейрон тармактарынан айырмаланат. Бул катмарлар кириш сүрөттөлүштүн өзгөчөлүктөрүн аныктоо максатында бири-бирин кайталаган пиксел блокторун сканерлейт. Биз бири-бирине жакын жайгашкан нейрондорду туташтыргандыктан, киргизүү маалыматтары ар бир катмар аркылуу өткөн сайын тармак сүрөттү түшүнүү үчүн жеңилирээк болот.
Галактиканын морфологиясында колдонулушу
Галактикаларды классификациялоодо колдонулганда, CNN галактиканын сүрөтүн майдараак "тактарга" бөлөт. Бир аз математиканы колдонуп, биринчи жашыруун катмар патчта сызык же ийри сызык бар-жогун чечүүгө аракет кылат. Андан аркы катмарлар патчта колдун болушу сыяктуу спиралдык галактиканын өзгөчөлүгүн камтыганбы же жокпу деген барган сайын татаал суроолорду чечүүгө аракет кылышат.
Сүрөттүн бир бөлүгү түз сызыктын бар-жоктугун аныктоо салыштырмалуу оңой болгону менен, сүрөттө спиралдык галактиканы көрсөтөбү же жокпу деген суроо барган сайын татаалдашып баратат.
Нейрондук тармактар менен классификатор кокус эрежелер жана критерийлер менен башталат. Бул эрежелер акырындык менен биз чечүүгө аракет кылып жаткан көйгөйгө көбүрөөк так жана актуалдуу болуп баратат. Окутуу фазасынын аягында нейрондук тармак эми сүрөттөн кандай өзгөчөлүктөрдү издөө керектигин жакшы түшүнүшү керек.
Citizen Science аркылуу AI кеңейтүү
Жарандык илим үйрөнчүк окумуштуулар же коомдук мүчөлөрү тарабынан жүргүзүлгөн илимий изилдөөлөрдү билдирет.
Астрономияны изилдеген илимпоздор көп учурда маанилүү илимий ачылыштарды жасоого жардам берүү үчүн жарандардын окумуштуулары менен кызматташат. NASA сактайт тизме Уюлдук телефону же ноутбуку бар адам салым кошо ала турган ондогон жарандык илимий долбоорлордун бири.
Япониянын Улуттук астрономиялык обсерваториясы ошондой эле атуулдук илимий долбоорду ишке ашырды Галакси круиз. Демилге ыктыярчыларды галактикаларды классификациялоого жана галактикалардын ортосундагы мүмкүн болуучу кагылышуулардын белгилерин издөөгө үйрөтөт. Дагы бир жарандык долбоор чакырды Галактика зоопаркы ишке киргизилген биринчи жылында эле 50 миллиондон ашык классификацияны алган.
Жарандык илимий долбоорлордун маалыматтарын колдонуп, биз жасай алабыз нейрон тармактарын үйрөтүү галактикаларды андан ары деталдуу класстарга классификациялоо. Биз ошондой эле кызыктуу өзгөчөлүктөргө ээ галактикаларды табуу үчүн бул жарандык илим этикеткаларын колдонсок болот. Нейрондук тармак аркылуу шакек жана линзалар сыяктуу функцияларды табуу дагы деле кыйын болушу мүмкүн.
жыйынтыктоо
Нейрондук тармак ыкмалары астрономия тармагында барган сайын популярдуу болуп баратат. 2021-жылы НАСАнын Джеймс Уэбб космостук телескобунун учурылышы байкоо астрономиянын жаңы доорун убада кылат. Телескоп буга чейин терабайт маалыматтарды чогулткан, анын беш жылдык миссиясынын ичинде дагы миңдеген маалыматтар бар.
Галактикаларды классификациялоо – бул ML менен чоңойто турган көптөгөн потенциалдуу милдеттердин бири гана. Космостук маалыматтарды иштетүү өзүнүн Big Data көйгөйүнө айлангандыктан, изилдөөчүлөр чоң сүрөттү түшүнүү үчүн өнүккөн машина үйрөнүүнү толугу менен колдонушу керек.
Таштап Жооп