Нүүр царай таних, өөрөө жолооддог машиныг жолооддог технологи нь удахгүй орчлон ертөнцийн далд нууцыг тайлах гол хэрэгсэл болж магадгүй юм.
Ажиглалтын одон орон судлалын сүүлийн үеийн хөгжил нь мэдээллийн тэсрэлтэд хүргэсэн.
Хүчирхэг телескопууд өдөр бүр терабайт мэдээлэл цуглуулдаг. Эрдэмтэд ийм их өгөгдлийг боловсруулахын тулд цацраг туяа болон бусад селестиел үзэгдлүүдийг хэмжих гэх мэт төрөл бүрийн ажлыг автоматжуулах шинэ арга замыг олох хэрэгтэй.
Одон орон судлаачдын хурдасгахыг эрмэлздэг нэг ажил бол галактикийн ангилал юм. Энэ нийтлэлд бид галактикуудыг ангилах нь яагаад тийм чухал болохыг, мөн мэдээллийн хэмжээ нэмэгдэхийн хэрээр судлаачид машин сургалтын дэвшилтэт техникт хэрхэн найдаж эхэлсэн талаар авч үзэх болно.
Бид яагаад галактикуудыг ангилах хэрэгтэй байна вэ?
Галактикийн морфологи гэж нэрлэгддэг галактикуудын ангилал нь 18-р зуунд үүссэн. Тэр үед Сэр Уильям Хершель янз бүрийн "мананцар" янз бүрийн хэлбэрээр ирснийг ажигласан. Түүний хүү Жон Хершель галактикийн мананцар ба галактикийн бус мананцарыг ялгаж, энэ ангиллыг сайжруулсан. Эдгээр хоёр ангиллын сүүлийнх нь бидний мэддэг зүйл бөгөөд галактик гэж нэрлэдэг.
18-р зууны төгсгөлд янз бүрийн одон орон судлаачид эдгээр сансрын биетүүдийг "галактикаас гадуурх" гэж таамаглаж байсан бөгөөд тэдгээр нь манай Сүүн замын гадна байрладаг.
Хаббл галактикуудын шинэ ангиллыг 1925 онд Хабблын тохируулгын диаграм гэж албан бусаар мэддэг Хаббл дарааллыг нэвтрүүлсэн.
Хаббл галактикуудыг тогтмол ба жигд бус галактик гэж хуваасан. Ердийн галактикуудыг эллипс, спираль, лентикуляр гэсэн гурван том ангилалд хуваасан.
Галактикийн судалгаа нь орчлон ертөнц хэрхэн ажилладаг талаар хэд хэдэн гол нууцыг олж мэдэх боломжийг бидэнд олгодог. Судлаачид од үүсэх үйл явцын талаар онол гаргахын тулд галактикийн янз бүрийн хэлбэрийг ашигласан. Эрдэмтэд симуляцийг ашиглан галактикууд өөрсдөө хэрхэн өнөөдөр бидний ажиглаж буй хэлбэрүүдийг загварчлахыг оролдсон.
Галактикийн автоматжуулсан морфологийн ангилал
Галактикуудыг ангилахын тулд машин сургалтыг ашиглах судалгаа нь ирээдүйтэй үр дүнг харуулж байна. 2020 онд Японы үндэсний одон орон судлалын хүрээлэнгийн судлаачид a гүнзгий суралцах техник галактикуудыг үнэн зөв ангилах.
Судлаачид Subaru/Hyper Suprime-Cam (HSC) судалгаанаас авсан зургийн томоохон мэдээллийн багцыг ашигласан. Тэд өөрсдийн техникийг ашиглан галактикуудыг S хэлбэрийн спираль, Z хэлбэрийн спираль, спираль бус гэж ангилж чадсан.
Тэдний судалгаа нь телескопоос том өгөгдлийг нэгтгэх давуу талыг харуулсан гүн гүнзгий суралцах техник. Мэдрэлийн торны улмаас одон орон судлаачид одоо баар, нэгдэл, хүчтэй линзтэй объект зэрэг морфологийн бусад төрлүүдийг ангилах боломжтой болсон. Жишээлбэл, холбогдох судалгаа MK Cavanagh, K. Bekki нар CNN ашиглан галактикуудыг нэгтгэж буй бар формацуудыг судалжээ.
Хэрхэн ажилладаг
NAOJ-ийн эрдэмтэд эргэлтэнд тулгуурласан мэдрэлийн сүлжээ эсвэл дүрсийг ангилахын тулд CNN. 2015 оноос хойш CNN нь тодорхой объектуудыг ангилах маш нарийвчлалтай техник болсон. CNN-д зориулсан бодит хэрэглүүрүүд нь зураг дээрх царай илрүүлэх, өөрөө жолооддог машин, гараар бичсэн тэмдэгтийг таних, эрүүл мэндийн зэрэг орно. зургийн дүн шинжилгээ.
Гэхдээ CNN хэрхэн ажилладаг вэ?
CNN нь ангилагч гэж нэрлэгддэг машин сургалтын техникүүдийн ангилалд багтдаг. Ангилагч нь тодорхой оролтыг авч, өгөгдлийн цэгийг гаргаж чаддаг. Жишээлбэл, гудамжны тэмдэг ангилагч нь тухайн дүрсийг гудамжны тэмдэг мөн эсэхээс үл хамааран зургийг авч, гаргах боломжтой болно.
CNN бол жишээ юм мэдрэлийн сүлжээ. Эдгээр мэдрэлийн сүлжээнүүд нь дараахь зүйлсээс бүрдэнэ мэдрэлийн эсүүд болгон зохион байгуулсан давхаргууд. Сургалтын үе шатанд эдгээр мэдрэлийн эсүүд нь шаардлагатай ангиллын асуудлыг шийдвэрлэхэд туслах тодорхой жин, хазайлтыг тохируулахын тулд тохируулагдсан байдаг.
Мэдрэлийн сүлжээ нь зургийг хүлээн авахдаа бүх зүйлийг бүхэлд нь биш харин зургийн жижиг хэсгүүдийг авдаг. Хувь хүний нейрон бүр үндсэн зургийн янз бүрийн хэсгүүдийг авахдаа бусад мэдрэлийн эсүүдтэй харилцан үйлчилдэг.
Хувиралт давхарга байгаа нь CNN-ийг бусад мэдрэлийн сүлжээнээс ялгаатай болгодог. Эдгээр давхаргууд нь оролтын зургийн онцлогийг тодорхойлох зорилгоор пикселийн давхардсан блокуудыг сканнердаж байна. Бид хоорондоо ойрхон нейроныг холбодог тул оролтын өгөгдөл давхарга бүрээр дамжин өнгөрөх тусам сүлжээ нь зургийг ойлгоход хялбар байх болно.
Галактикийн морфологийн хэрэглээ
Галактикуудыг ангилахад ашиглахдаа CNN нь галактикийн дүрсийг жижиг "нөхөөс" болгон задалдаг. Бага зэрэг математик ашиглан эхний далд давхарга нь нөхөөс нь шугам эсвэл муруй байгаа эсэхийг шийдэхийг оролдох болно. Нэмэлт нь спираль галактикийн шинж чанарыг агуулсан эсэх, тухайлбал гар байгаа эсэх гэх мэт улам бүр ээдрээтэй асуултуудыг дараагийн давхаргад шийдэхийг хичээх болно.
Зургийн хэсэг нь шулуун шугамтай эсэхийг тодорхойлоход харьцангуй хялбар байдаг ч энэ зураг нь ямар төрлийн спираль галактикийг харуулах нь бүү хэл спираль галактикийг харуулж байгаа эсэхийг асуух нь улам бүр төвөгтэй болж байна.
Мэдрэлийн сүлжээний хувьд ангилагч нь санамсаргүй дүрэм, шалгуураар эхэлдэг. Эдгээр дүрмүүд аажмаар бидний шийдэх гэж буй асуудалд илүү нарийвчлалтай, хамааралтай болж байна. Сургалтын үе шат дуусахад мэдрэлийн сүлжээ нь зурагнаас ямар онцлог шинж чанаруудыг хайх талаар сайн ойлголттой болсон байх ёстой.
Citizen Science ашиглан хиймэл оюун ухааныг өргөжүүлэх
Иргэний шинжлэх ухаан гэдэг нь сонирхогч эрдэмтэд эсвэл олон нийтийн гишүүдийн хийсэн шинжлэх ухааны судалгааг хэлнэ.
Одон орон судалдаг эрдэмтэд шинжлэх ухааны илүү чухал нээлт хийхэд туслах зорилгоор иргэдийн эрдэмтэдтэй хамтран ажилладаг. НАСА нь a жагсаалт гар утас, зөөврийн компьютертэй хүн бүр хувь нэмрээ оруулах боломжтой олон арван иргэний шинжлэх ухааны төслүүдээс.
Японы үндэсний одон орны ажиглалтын төв мөн иргэний шинжлэх ухааны төслийг хэрэгжүүлжээ Галакси Круз. Энэхүү санаачилга нь сайн дурынхныг галактикуудыг ангилж, галактик хоорондын мөргөлдөөний шинж тэмдгийг хайж олоход сургадаг. Өөр нэг иргэний төсөл дуудлаа Галакси амьтны хүрээлэн Эхний жилдээ л 50 сая гаруй ангиллыг хүлээн авсан байна.
Иргэний шинжлэх ухааны төслүүдийн өгөгдлийг ашиглан бид чадна мэдрэлийн сүлжээг сургах галактикуудыг илүү нарийвчилсан ангилалд ангилах. Бид мөн эдгээр иргэний шинжлэх ухааны шошгыг ашиглан сонирхолтой шинж чанартай галактикуудыг олох боломжтой. Бөгж, линз зэрэг шинж чанаруудыг мэдрэлийн сүлжээ ашиглан олоход хэцүү хэвээр байж магадгүй юм.
Дүгнэлт
Мэдрэлийн сүлжээний техник нь одон орон судлалын салбарт улам бүр түгээмэл болж байна. НАСА-гийн Жеймс Уэбб сансрын дуран 2021 онд хөөргөсөн нь ажиглалтын одон орон судлалын шинэ эрин үеийг амлаж байна. Телескоп нь аль хэдийн терабайт мэдээлэл цуглуулсан бөгөөд магадгүй таван жилийн турш ажиллах хугацаандаа олон мянган мэдээллийг цуглуулж магадгүй юм.
Галактикуудыг ангилах нь ML-ээр томруулж болох олон боломжит ажлуудын зөвхөн нэг юм. Сансрын өгөгдөл боловсруулах нь өөрийн том мэдээллийн асуудал болж байгаа тул судлаачид том дүр зургийг ойлгохын тулд дэвшилтэт машин сургалтыг бүрэн ашиглах ёстой.
хариу үлдээх