Bilgi

Derin CEE: Gökbilimcilerin Gökada Kümelerini Bulmalarına Yardımcı Olan Yapay Zeka Modeli

Derin CEE: Gökbilimcilerin Gökada Kümelerini Bulmalarına Yardımcı Olan Yapay Zeka Modeli

Yerçekimi ve karanlık madde ile birbirine bağlanmış birkaç galaksiden oluşan galaksi kümeleri, evrenin devleridir.

Olayları bir perspektife koymak için, Samanyolu galaksimizin yaklaşık olarak 250 milyar yıldızlar.

Sorun şu ki, milyonlarca ışık yılı boyunca olmalarına rağmen, aynı zamanda bizden milyonlarca ışık yılı uzakta olma eğiliminde olmaları, onları astronomların fark etmesini zorlaştırıyor.

Giriş Derin CEE (Gökada Kümesi Çıkarma ve Değerlendirme için Derin Öğrenme)Lancaster Üniversitesi'ndeki araştırmacılar tarafından geliştirilen bir derin öğrenme tekniği. AI, galaksi kümelerini herhangi bir insanın yapabileceğinden çok daha hızlı bulmak için inşa edildi.

İLGİLİ: BİR AI EVRENSEL SİMÜLATÖRÜ OLUŞTURUCULARININ TAMAMEN ANLAMADIĞI KADAR DOĞRU

Karanlık maddeyi anlamak

Bilim adamları, galaksi kümelerini bağlayan ana faktörün karanlık madde olduğunu keşfettiler. Bu nedenle, bu aşırı ortamlar hakkında daha fazla şey öğrenmek, karanlık madde ve karanlık enerjinin gizemli özelliklerini daha iyi anlamamıza yardımcı olabilir.

1950'lerde gökbilimci George Abell, gözlemlenebilir evrenin yaklaşık 2,00 fotoğraf plakasını analiz ettikten sonra gökada kümelerinin 'Abell kataloğunu' buldu.

Lancaster Üniversitesi'nde doktora öğrencisi Matthew Chan tarafından inşa edilen Derin CEE, Abell'in yaklaşımına dayanıyor ancak gökbilimcinin yerine, gökada kümelerini belirlemek için renkli görüntülerde arama yapmak üzere eğitilmiş bir yapay zeka modeli koyuyor.

AI, nesneleri kendi başına ilişkilendirene kadar etiketli, bilinen nesnelerin örnekleri gösterilerek eğitildi. Pilot testleri daha sonra Deep-CEE'nin galaksi kümeleri üzerinde eğitilme yeteneğini gösterdi.

Büyük miktarda veri

Chan bir basın açıklamasında "Deep-CEE'yi Sloan Digital Sky Survey'e başarıyla uyguladık" dedi. "Nihayetinde, modelimizi daha önce hiç keşfedilmemiş Evren bölgelerini daha geniş ve daha derin araştıracak olan Büyük Sinoptik Araştırma teleskopu (LSST) gibi devrim niteliğindeki araştırmalar üzerinde çalıştıracağız.

Teleskoplar tarafından günlük olarak büyük miktarda veri üretilir. Örneğin yaklaşan LSST gökyüzü araştırması (2021'de yapılacak), güney yarımkürenin tüm gökyüzünü görüntülemek için her gece tahmini 15 TB veri üretecek.

John Stott (Chan'ın Ph.D. süpervizörü), "Derin öğrenme gibi veri madenciliği teknikleri, modern teleskopların muazzam çıktılarını analiz etmemize yardımcı olacak" diyor. "Yöntemimizin bilim tarafından daha önce hiç görülmemiş binlerce küme bulmasını bekliyoruz".

Chan, yapay zeka modelini ve "Derin Orta ve Doğu Avrupa" sinir ağlarıyla galaksi kümeleri için balık tutma "başlıklı makalesinin bulgularını 4 Temmuz saat 15: 45'te 'Astrofizikte Makine Öğrenimi' oturumunda sunmaya hazırlanıyor.


Videoyu izle: Türkiyede teknoloji: Yapay zekâ nedir? - DW Türkçe (Ocak 2022).