Yuzni tanish va o‘zini o‘zi boshqaradigan mashinalarni boshqaradigan xuddi shu texnologiya tez orada koinotning yashirin sirlarini ochishda asosiy vosita bo‘lishi mumkin.
Kuzatuv astronomiyasidagi so'nggi o'zgarishlar ma'lumotlarning portlashiga olib keldi.
Kuchli teleskoplar har kuni terabayt ma'lumot to'playdi. Bunchalik ko‘p ma’lumotlarni qayta ishlash uchun olimlar bu sohadagi turli vazifalarni, masalan, radiatsiya va boshqa samoviy hodisalarni o‘lchashni avtomatlashtirishning yangi usullarini topishlari kerak.
Astronomlar tezlashtirishga intilayotgan alohida vazifalardan biri bu galaktikalarni tasniflashdir. Ushbu maqolada biz galaktikalarni tasniflash nima uchun juda muhimligini va tadqiqotchilar ma'lumotlar hajmi oshgani sayin miqyosni oshirish uchun ilg'or mashinani o'rganish usullariga tayanishni boshlaganliklarini ko'rib chiqamiz.
Nima uchun galaktikalarni tasniflashimiz kerak?
Galaktika morfologiyasi deb atalgan galaktikalar tasnifi 18-asrda paydo boʻlgan. O'sha paytda ser Uilyam Gerschel turli "tumanliklar" turli shakllarda paydo bo'lishini kuzatdi. Uning o'g'li Jon Gerschel galaktik tumanliklarni va galaktik bo'lmagan tumanliklarni farqlash orqali ushbu tasnifni yaxshiladi. Ushbu ikkita tasnifning oxirgisi biz biladigan va galaktikalar deb ataydigan narsadir.
18-asrning oxirlarida turli astronomlar bu kosmik jismlar "ekstra-galaktik" bo'lib, ular bizning Somon yo'limizdan tashqarida joylashgan deb taxmin qilishdi.
Xabbl 1925 yilda norasmiy ravishda Hubble tuning-fork diagrammasi deb nomlanuvchi Hubble ketma-ketligini kiritish bilan galaktikalarning yangi tasnifini taqdim etdi.
Xabbl ketma-ketligi galaktikalarni muntazam va tartibsiz galaktikalarga ajratdi. Muntazam galaktikalar yana uchta keng sinfga bo'lingan: elliptiklar, spirallar va lentikulyarlar.
Galaktikalarni o'rganish bizga koinot qanday ishlashining bir nechta asosiy sirlarini tushunish imkonini beradi. Tadqiqotchilar yulduzlarning paydo bo'lish jarayoni haqida nazariya yaratish uchun galaktikalarning turli shakllaridan foydalanganlar. Simulyatsiyalardan foydalanib, olimlar, shuningdek, galaktikalarning o'zlari bugungi kunda biz kuzatayotgan shakllarga qanday shakllanishlarini modellashtirishga harakat qilishdi.
Galaktikalarning avtomatlashtirilgan morfologik tasnifi
Galaktikalarni tasniflash uchun mashinani o'rganishdan foydalanish bo'yicha olib borilgan tadqiqotlar istiqbolli natijalarni ko'rsatdi. 2020 yilda Yaponiya Milliy Astronomiya Observatoriyasi tadqiqotchilari a chuqur o'rganish texnikasi galaktikalarni aniq tasniflash.
Tadqiqotchilar Subaru/Hyper Suprime-Cam (HSC) tadqiqotidan olingan katta hajmdagi tasvirlardan foydalanganlar. Ular o'zlarining texnikasidan foydalanib, galaktikalarni S-spiral, Z-spiral va spiral bo'lmaganlarga tasniflashlari mumkin edi.
Ularning tadqiqotlari teleskoplardan olingan katta ma'lumotlarni birlashtirishning afzalliklarini ko'rsatdi chuqur o'rganish texnikalar. Neyron tarmoqlari tufayli astronomlar endi morfologiyaning boshqa turlarini, masalan, chiziqlar, birlashishlar va kuchli linzali ob'ektlarni tasniflashga harakat qilishlari mumkin. Masalan, bog'liq tadqiqotlar MK Kavana va K. Bekki galaktikalarni birlashtirganda bar shakllanishini tekshirish uchun CNN dan foydalangan.
U qanday ishlaydi
NAOJ olimlari konvolyutsiyaga tayandilar neyron tarmoqlari yoki tasvirlarni tasniflash uchun CNN. 2015 yildan beri CNN ma'lum ob'ektlarni tasniflashning juda aniq usuliga aylandi. CNN uchun haqiqiy ilovalar orasida suratlarda yuzni aniqlash, oʻzi boshqariladigan avtomobillar, qoʻlda yozilgan belgilarni aniqlash va tibbiy tasviriy tahlil.
Ammo CNN qanday ishlaydi?
CNN tasniflagich sifatida tanilgan mashinani o'rganish texnikasi sinfiga kiradi. Klassifikatorlar ma'lum bir kirishni qabul qilishi va ma'lumotlar nuqtasini chiqarishi mumkin. Misol uchun, ko'cha belgilari tasniflagichi tasvirni olishi va tasvirning ko'cha belgisimi yoki yo'qligini chiqarishi mumkin.
CNN bunga misoldir neyron tarmoq. Ushbu neyron tarmoqlar quyidagilardan iborat neyronlar ichiga tashkil qilingan Qatlamlari. Trening bosqichida ushbu neyronlar o'ziga xos og'irliklar va moyilliklarni moslashtirish uchun sozlanadi, bu esa talab qilinadigan tasniflash muammosini hal qilishga yordam beradi.
Neyron tarmog'i tasvirni olganida, u hamma narsani emas, balki tasvirning kichik joylarini oladi, Har bir alohida neyron asosiy tasvirning turli bo'limlarini olganidek, boshqa neyronlar bilan o'zaro ta'sir qiladi.
Konvolyutsion qatlamlarning mavjudligi CNNni boshqa neyron tarmoqlardan farq qiladi. Ushbu qatlamlar kirish tasviridagi xususiyatlarni aniqlash maqsadida bir-biriga o'xshash piksel bloklarini skanerlaydi. Biz bir-biriga yaqin joylashgan neyronlarni ulaganimiz sababli, kirish ma'lumotlari har bir qatlam orqali o'tayotganda tarmoq rasmni tushunishni osonlashtiradi.
Galaxy morfologiyasida foydalanish
Galaktikalarni tasniflashda foydalanilganda, CNN galaktika tasvirini kichikroq "yamoqlarga" ajratadi. Bir oz matematikadan foydalanib, birinchi yashirin qatlam yamoq chiziq yoki egri chiziqdan iboratligini aniqlashga harakat qiladi. Keyingi qatlamlar yamoq spiral galaktikaning xususiyatini, masalan, qo'lning mavjudligini o'z ichiga oladimi yoki yo'qligi kabi tobora murakkab savollarni hal qilishga harakat qiladi.
Tasvirning bir qismida to'g'ri chiziq bor yoki yo'qligini aniqlash nisbatan oson bo'lsa-da, tasvir spiral galaktikani ko'rsatadimi yoki yo'qligini so'rash tobora murakkablashib bormoqda.
Neyron tarmoqlarda tasniflagich tasodifiy qoidalar va mezonlar bilan boshlanadi. Ushbu qoidalar asta-sekin aniqroq va biz hal qilmoqchi bo'lgan muammoga mos keladi. Trening bosqichining oxiriga kelib, neyron tarmoq endi tasvirda qanday xususiyatlarni izlash kerakligi haqida yaxshi tasavvurga ega bo'lishi kerak.
Citizen Science yordamida AIni kengaytirish
Fuqarolik ilmi deganda havaskor olimlar yoki jamoatchilik vakillari tomonidan olib boriladigan ilmiy tadqiqotlar tushuniladi.
Astronomiyani o'rganayotgan olimlar ko'pincha muhim ilmiy kashfiyotlar qilish uchun fuqarolar olimlari bilan hamkorlik qiladilar. NASA saqlovchi a ro'yxat uyali telefoni yoki noutbuki bo'lgan har bir kishi o'z hissasini qo'shishi mumkin bo'lgan o'nlab fuqarolik ilmiy loyihalari.
Yaponiya Milliy Astronomiya Observatoriyasi ham deb nomlanuvchi fuqarolik ilmiy loyihasini ishlab chiqdi Galaxy Cruise. Tashabbus ko'ngillilarni galaktikalarni tasniflash va galaktikalar o'rtasidagi mumkin bo'lgan to'qnashuv belgilarini izlashga o'rgatadi. Yana bir fuqarolik loyihasi chaqirildi Galaxy hayvonot bog'i ishga tushirilganning birinchi yilidayoq 50 milliondan ortiq tasniflarni oldi.
Fuqarolik ilmiy loyihalari ma'lumotlaridan foydalanib, biz qila olamiz neyron tarmoqlarni o'rgatish galaktikalarni batafsilroq sinflarga ajratish. Qiziqarli xususiyatlarga ega galaktikalarni topish uchun biz ushbu fuqarolik fan yorliqlaridan ham foydalanishimiz mumkin. Halqalar va linzalar kabi xususiyatlarni neyron tarmoq yordamida topish hali ham qiyin bo'lishi mumkin.
Xulosa
Neyron tarmoqlari texnikasi astronomiya sohasida tobora ommalashib bormoqda. 2021 yilda NASA Jeyms Uebb kosmik teleskopining ishga tushirilishi kuzatuv astronomiyasining yangi davrini va'da qilmoqda. Teleskop allaqachon terabayt ma'lumot to'plagan, ehtimol besh yillik missiyasi davomida yana minglab ma'lumotlar yo'lda.
Galaktikalarni tasniflash ML yordamida kengaytirilishi mumkin bo'lgan ko'plab potentsial vazifalardan biridir. Kosmik ma'lumotlarni qayta ishlash o'zining Big Data muammosiga aylanganligi sababli, tadqiqotchilar katta rasmni tushunish uchun ilg'or mashina o'rganishdan to'liq foydalanishlari kerak.
Leave a Reply