Teknolojia hiyo hiyo inayoendesha utambuzi wa uso na magari yanayojiendesha inaweza hivi karibuni kuwa chombo muhimu katika kufungua siri zilizofichwa za ulimwengu.
Maendeleo ya hivi majuzi katika unajimu wa uchunguzi yamesababisha mlipuko wa data.
Darubini zenye nguvu hukusanya terabaiti za data kila siku. Ili kuchakata data hiyo nyingi, wanasayansi wanahitaji kutafuta njia mpya za kufanyia kazi kazi mbalimbali otomatiki, kama vile kupima mionzi na matukio mengine ya angani.
Kazi moja mahususi ambayo wanaastronomia wanatamani kuharakisha ni uainishaji wa galaksi. Katika makala haya, tutachunguza kwa nini kuainisha galaksi ni muhimu sana na jinsi watafiti wameanza kutegemea mbinu za hali ya juu za kujifunza kwa mashine ili kuongeza idadi ya data inavyoongezeka.
Kwa nini tunahitaji kuainisha galaksi?
Uainishaji wa galaksi, unaojulikana katika uwanja kama mofolojia ya gala, ulianza katika karne ya 18. Wakati huo, Sir William Herschel aliona kwamba 'nebula' mbalimbali zilikuja kwa namna mbalimbali. Mwanawe John Herschel aliboresha uainishaji huu kwa kutofautisha kati ya nebula za galactic na nebula zisizo za galactic. Mwisho wa uainishaji hizi mbili ni kile tunachojua na kurejelea kama galaksi.
Kuelekea mwisho wa karne ya 18, wanaastronomia mbalimbali walikisia kwamba vitu hivi vya anga ni "ghalaksi ya ziada", na kwamba viko nje ya Milky Way yetu wenyewe.
Hubble alianzisha uainishaji mpya wa galaksi mnamo 1925 kwa kuanzishwa kwa mlolongo wa Hubble, unaojulikana kwa njia isiyo rasmi kama mchoro wa Hubble tuning-fork.
Mlolongo wa Hubble uligawanya galaksi katika galaksi za kawaida na zisizo za kawaida. Makundi ya nyota ya kawaida yaligawanywa zaidi katika tabaka tatu pana: Ellipticals, spirals, na lenticular.
Uchunguzi wa galaksi unatupa ufahamu katika mafumbo kadhaa muhimu ya jinsi ulimwengu unavyofanya kazi. Watafiti wametumia aina tofauti za galaksi kuelezea juu ya mchakato wa malezi ya nyota. Kwa kutumia masimulizi, wanasayansi pia wamejaribu kuiga jinsi galaksi zenyewe zinavyounda maumbo ambayo tunaona leo.
Uainishaji wa Kimofolojia Kiotomatiki wa Magalaksi
Utafiti wa kutumia ujifunzaji wa mashine kuainisha galaksi umeonyesha matokeo ya kufurahisha. Mnamo 2020, watafiti kutoka Kituo cha Kitaifa cha Uchunguzi wa Anga cha Japan walitumia a mbinu ya kujifunza kwa kina kuainisha galaksi kwa usahihi.
Watafiti walitumia hifadhidata kubwa ya picha zilizopatikana kutoka kwa Utafiti wa Subaru/Hyper Suprime-Cam (HSC). Kwa kutumia mbinu yao, wangeweza kuainisha galaksi katika ond zenye hekima ya S, ond zenye hekima ya Z, na zisizo-spirals.
Utafiti wao ulionyesha faida za kuchanganya data kubwa kutoka kwa darubini na kujifunza kwa kina mbinu. Kwa sababu ya neti za neva, wanaastronomia sasa wanaweza kujaribu kuainisha aina nyingine za mofolojia kama vile pau, viunganishi, na vitu vyenye lenzi kwa nguvu. Kwa mfano, utafiti unaohusiana kutoka kwa MK Cavanagh na K. Bekki walitumia CNN kuchunguza muundo wa baa katika kuunganisha galaksi.
Jinsi Ni Kazi
Wanasayansi kutoka NAOJ walitegemea convolutional mitandao ya neural au CNN ili kuainisha picha. Tangu 2015, CNN zimekuwa mbinu sahihi sana ya kuainisha vitu fulani. Programu za ulimwengu halisi za CNN zinajumuisha utambuzi wa nyuso kwenye picha, magari yanayojiendesha, utambuzi wa herufi zilizoandikwa kwa mkono na matibabu. uchambuzi wa taswira.
Lakini CNN inafanya kazi vipi?
CNN ni ya darasa la mbinu za kujifunza za mashine zinazojulikana kama kiainishaji. Viainishi vinaweza kuchukua ingizo fulani na kutoa sehemu ya data. Kwa mfano, kiainisha alama za barabarani kitaweza kuchukua picha na kutoa picha iwe ni ishara ya mtaani au la.
CNN ni mfano wa a neural mtandao. Mitandao hii ya neva inaundwa na neurons kupangwa katika tabaka. Wakati wa awamu ya mafunzo, niuroni hizi hupangwa ili kukabiliana na uzito maalum na upendeleo ambao utasaidia kutatua tatizo la uainishaji linalohitajika.
Mtandao wa neva unapopokea picha, huchukua sehemu ndogo za picha badala ya kila kitu kwa ujumla, Kila niuroni huingiliana na niuroni nyingine inapochukua sehemu mbalimbali za taswira kuu.
Uwepo wa tabaka za ubadilishaji hufanya CNN kuwa tofauti na mitandao mingine ya neva. Safu hizi huchanganua vizuizi vinavyopishana vya saizi kwa lengo la kutambua vipengele kutoka kwa picha ya ingizo. Kwa kuwa tunaunganisha niuroni ambazo ziko karibu pamoja, mtandao utakuwa na wakati rahisi kuelewa picha data ya ingizo inapopitia kila safu.
Matumizi katika Galaxy Mofolojia
Inapotumiwa katika kuainisha galaksi, CNNs hugawanya taswira ya galaksi kuwa "mabaka" madogo. Kwa kutumia hisabati kidogo, safu ya kwanza iliyofichwa itajaribu kusuluhisha ikiwa kiraka kina mstari au curve. Tabaka zaidi zitajaribu kusuluhisha maswali yanayozidi kuwa magumu kama vile iwapo kiraka kina kipengele cha galaksi iliyozunguka, kama vile kuwepo kwa mkono.
Ingawa ni rahisi kubaini ikiwa sehemu ya picha ina mstari ulionyooka, inakuwa ngumu zaidi kuuliza ikiwa picha inaonyesha galaksi iliyozunguka, achilia mbali aina ya galaksi iliyozunguka.
Na mitandao ya neva, kiainishaji huanza na sheria na vigezo nasibu. Sheria hizi polepole zinakuwa sahihi zaidi na muhimu kwa tatizo tunalojaribu kutatua. Kufikia mwisho wa awamu ya mafunzo, mtandao wa neva unapaswa kuwa na wazo zuri la vipengele vipi vya kutafuta kwenye picha.
Kupanua AI kwa kutumia Sayansi ya Wananchi
Sayansi ya raia inarejelea utafiti wa kisayansi uliofanywa na wanasayansi wasio na ujuzi au wanachama wa umma.
Wanasayansi wanaosoma unajimu mara nyingi hushirikiana na wanasayansi raia kusaidia kufanya uvumbuzi muhimu zaidi wa kisayansi. NASA inashikilia a orodha ya miradi kadhaa ya sayansi ya raia ambayo mtu yeyote aliye na simu ya rununu au kompyuta ndogo anaweza kuchangia.
Kituo cha Kitaifa cha Uchunguzi wa Anga cha Japan pia kimeanzisha mradi wa sayansi ya raia unaojulikana kama Galaxy Cruise. Mpango huo unafunza watu wa kujitolea kuainisha galaksi na kutafuta dalili za uwezekano wa migongano kati ya galaksi. Mradi mwingine wa wananchi unaoitwa Zoo ya Galaxy tayari imepokea zaidi ya uainishaji milioni 50 katika mwaka wa kwanza tu wa uzinduzi.
Kwa kutumia data kutoka kwa miradi ya sayansi ya raia, tunaweza fundisha mitandao ya neva kuainisha galaksi katika madarasa ya kina zaidi. Tunaweza pia kutumia lebo hizi za sayansi ya raia kupata galaksi zenye vipengele vya kuvutia. Vipengele kama vile pete na lenzi bado vinaweza kuwa vigumu kupata kwa kutumia mtandao wa neva.
Hitimisho
Mbinu za mtandao wa Neural zinazidi kuwa maarufu katika uwanja wa unajimu. Kuzinduliwa kwa Darubini ya Anga ya NASA ya James Webb mnamo 2021 inaahidi enzi mpya ya uchunguzi wa unajimu. Darubini tayari imekusanya terabaiti za data, na ikiwezekana maelfu zaidi njiani katika maisha yake ya misheni ya miaka mitano.
Kuainisha galaksi ni moja tu ya kazi nyingi zinazowezekana ambazo zinaweza kuongezwa kwa ML. Huku uchakataji wa data angani ukiwa tatizo lake la Data Kubwa, watafiti lazima watumie ujifunzaji wa hali ya juu wa mashine ili kuelewa picha kuu.
Acha Reply