Téknologi anu sami anu nyorong pangenalan raray sareng mobil anu nyetir nyalira tiasa janten alat konci pikeun muka konci rahasia jagat raya.
Kamajuan panganyarna dina astronomi observasi geus ngarah ka ledakan data.
Teleskop kuat ngumpulkeun terabytes data sapopoé. Pikeun ngolah data anu seueur, para ilmuwan kedah milarian cara-cara énggal pikeun ngajadikeun otomatis sababaraha pancén di lapangan, sapertos ngukur radiasi sareng fenomena celestial anu sanés.
Hiji tugas tinangtu anu astronom hayang nyepetkeun nyaéta klasifikasi galaksi. Dina tulisan ieu, urang bakal ngabahas naha klasifikasi galaksi penting pisan sareng kumaha panaliti mimiti ngandelkeun téknik pembelajaran mesin canggih pikeun skala nalika volume data naék.
Naha urang kedah mengklasifikasikan galaksi?
Klasifikasi galaksi, dipikawanoh di lapangan salaku morfologi galaksi, asalna dina abad ka-18. Dina mangsa éta, Sir William Herschel niténan yén rupa-rupa 'nebula' datang dina rupa-rupa wangun. Putrana John Herschel ningkatkeun klasifikasi ieu ku cara ngabédakeun antara nebula galaksi sareng nebula non-galaksi. Anu terakhir tina dua klasifikasi ieu mangrupikeun anu urang terang sareng ngarujuk salaku galaksi.
Nepi ka ahir abad ka-18, rupa-rupa astronom ngaduga yén objék kosmik ieu "ekstra-galaksi", sarta aranjeunna perenahna di luar Bima Sakti urang sorangan.
Hubble ngenalkeun klasifikasi galaksi anyar dina taun 1925 kalayan ngenalkeun runtuyan Hubble, dipikawanoh sacara informal salaku diagram tuning-fork Hubble.
Runtuyan Hubble ngabagi galaksi jadi galaksi biasa jeung teu teratur. Galaksi biasa dibagi deui jadi tilu kelas lega: Ellipticals, spirals, jeung lenticular.
Ulikan ngeunaan galaksi méré urang wawasan sababaraha misteri konci kumaha alam semesta jalan. Para panalungtik geus ngagunakeun rupa-rupa bentuk galaksi pikeun téori ngeunaan prosés kabentukna béntang. Ngagunakeun simulasi, élmuwan ogé geus nyoba model kumaha galaksi sorangan ngabentuk kana wangun nu urang niténan kiwari.
Klasifikasi Morfologis Otomatis Galaksi
Panaliti ngagunakeun pembelajaran mesin pikeun mengklasifikasikan galaksi parantos nunjukkeun hasil anu ngajangjikeun. Dina 2020, peneliti ti National Astronomical Observatory of Japan ngagunakeun a téhnik deep learning pikeun mengklasifikasikan galaksi sacara akurat.
Panaliti ngagunakeun set data ageung gambar anu dicandak tina Survey Subaru/Hyper Suprime-Cam (HSC). Ngagunakeun téknik maranéhanana, maranéhna bisa mengklasifikasikan galaksi kana spiral S-wijaksana, spiral Z-wijaksana, sarta non-spiral.
panalungtikan maranéhanana nunjukkeun kaunggulan ngagabungkeun data badag tina teleskop kalawan learning jero téhnik. Kusabab jaring saraf, para astronom ayeuna tiasa nyobian ngagolongkeun jinis morfologi anu sanés sapertos bar, ngahiji, sareng objék anu lénsa pisan. Salaku conto, panalungtikan patali ti MK Cavanagh jeung K. Bekki dipaké CNNs pikeun nalungtik formasi bar dina merging galaksi.
Kumaha Ieu Karya
Para élmuwan ti NAOJ ngandelkeun convolutional jaringan neural atanapi CNNs pikeun mengklasifikasikan gambar. Kusabab 2015, CNNs parantos janten téknik anu akurat pisan pikeun mengklasifikasikeun objék anu tangtu. Aplikasi dunya nyata pikeun CNN kalebet deteksi raray dina gambar, mobil nyetir mandiri, pangakuan karakter tulisan tangan, sareng médis. analisis imagery.
Tapi kumaha carana CNN dianggo?
CNN milik kelas téknik mesin learning katelah classifier a. Klasifikasi tiasa nyandak input sareng kaluaran tina titik data. Contona, hiji classifier tanda jalan bakal tiasa nyandak dina gambar jeung kaluaran naha gambar téh tanda jalan atawa henteu.
CNN mangrupikeun conto a jaringan neural. Jaringan saraf ieu diwangun ku neuron diatur kana lapisan. Salila fase latihan, neuron ieu disetel pikeun adaptasi beurat sareng bias khusus anu bakal ngabantosan ngarengsekeun masalah klasifikasi anu diperyogikeun.
Nalika jaringan neural narima hiji gambar, waktu nu diperlukeun dina wewengkon leutik gambar tinimbang sagalana sakabéhna, Unggal neuron individu berinteraksi sareng neuron séjén sakumaha diperlukeun dina sagala rupa bagian tina gambar utama.
Ayana lapisan convolutional ngajadikeun CNN béda ti jaringan saraf lianna. Lapisan ieu nyeken blok-blok piksel anu tumpang tindih kalayan tujuan pikeun ngaidentipikasi fitur tina gambar input. Kusabab urang nyambungkeun neuron anu caket babarengan, jaringan bakal langkung gampang ngartos gambar nalika data input ngalangkungan unggal lapisan.
Pamakéan dina Galaxy Morphology
Nalika dianggo dina ngagolongkeun galaksi, CNN ngarecah gambar galaksi kana "patch" anu langkung alit. Ngagunakeun saeutik math, lapisan disumputkeun munggaran bakal nyoba ngajawab naha patch ngandung garis atawa kurva. Lapisan salajengna bakal nyobian ngajawab patarosan anu beuki kompleks sapertos naha patch ngandung fitur galaksi spiral, sapertos ayana panangan.
Bari relatif gampang pikeun nangtukeun naha bagian tina hiji gambar ngandung hiji garis lempeng, janten beuki kompleks nanya naha gambar nembongkeun galaksi spiral, sumawona naon tipe galaksi spiral.
Kalayan jaringan saraf, classifier dimimitian ku aturan sareng kriteria acak. Aturan-aturan ieu laun-laun janten langkung tepat sareng relevan pikeun masalah anu urang badé direngsekeun. Nepi ka tungtun taun fase latihan, jaringan saraf ayeuna kudu boga ide nu sae ngeunaan fitur naon néangan dina gambar.
Ngalegaan AI ngagunakeun Citizen Science
Élmu warga ngarujuk kana panalungtikan ilmiah anu dilakukeun ku élmuwan amatir atanapi anggota masarakat.
Élmuwan anu diajar astronomi sering kolaborasi sareng élmuwan warga pikeun ngabantosan panemuan ilmiah anu langkung penting. NASA ngajaga a daptar tina puluhan proyék élmu warga anu tiasa nyumbangkeun saha waé anu gaduh ponsel atanapi laptop.
Observatorium Astronomi Nasional Jepang ogé parantos ngadamel proyék élmu warga anu katelah Galaxy Cruise. Inisiatif ngalatih sukarelawan pikeun mengklasifikasikan galaksi sareng milarian tanda-tanda poténsi tabrakan antara galaksi. proyék warga sejen disebut Kebon Binatang Galaxy parantos nampi langkung ti 50 juta klasifikasi dina taun mimiti peluncuran.
Ngagunakeun data ti proyék elmu warga, urang tiasa ngalatih jaringan saraf pikeun mengklasifikasikan galaksi kana kelas anu langkung rinci. Urang ogé tiasa nganggo labél élmu warga ieu pikeun milarian galaksi anu gaduh fitur anu pikaresepeun. Fitur sapertos cingcin sareng lénsa tiasa sesah milarian nganggo jaringan saraf.
kacindekan
Téhnik jaringan saraf beuki populer dina widang astronomi. Peluncuran Teleskop Angkasa James Webb NASA dina 2021 ngajangjikeun jaman anyar astronomi observasi. Teleskop éta parantos ngumpulkeun terabytes data, sareng kamungkinan rébuan deui dina perjalanan salami misi lima taun na.
Klasifikasi galaksi ngan ukur salah sahiji seueur tugas poténsial anu tiasa diskalakeun sareng ML. Kalayan ngolah data ruang angkasa janten masalah Data Besar sorangan, panalungtik kedah ngagunakeun mesin diajar canggih pikeun ngartos gambaran anu ageung.
Leave a Reply