Gli astronomi del dipartimento di astronomia dell’Università delle Hawaii hanno recentemente fatto uso di algoritmi di intelligenza artificiale per creare mappe e costruire un’enorme mappa 3D di oltre 3 miliardi di oggetti celesti. Il team di astronomia ha utilizzato dati spettroscopici e algoritmi di classificazione della rete neurale per portare a termine il compito.

Nel 2016, gli astronomi dell’Università delle Hawaii presso l’Istituto di Astronomia di Manoa (UHM) hanno rilasciato al pubblico un enorme set di dati contenente dati di osservazione per oltre 3 miliardi di stelle, galassie e altri oggetti celesti, raccolti in 4 anni di osservazione circa tre- quarti del cielo notturno. Il progetto è stato chiamato il progetto Pan-STARRS e il set di dati che ha prodotto era di circa 2 petabyte (due milioni di gigabyte) di dimensione.

Come ha spiegato Hans-Walter Rix, il direttore del dipartimento di galassie e cosmologia presso il Max Plank Institutes for Astronomy, secondo Phys.org :

“Pan-STARRS1 ha mappato la nostra galassia, la Via Lattea, a un livello di dettaglio mai raggiunto prima. L’indagine fornisce, per la prima volta, una visione profonda e globale di una frazione significativa del piano e del disco della Via Lattea … La sua combinazione unica di profondità, area e colori dell’immagine gli ha permesso di scoprire la maggior parte dei quasar conosciuti più distanti: questi sono i primi esempi nel nostro universo che i buchi neri giganti erano cresciuti al centro delle galassie ”.

Uno degli obiettivi del rilascio del set di dati era che sarebbe stato utilizzato per costruire una mappa del cielo osservabile, classificando i molti punti di luce che sono stati osservati nel set di dati. I ricercatori coinvolti nel progetto Pan-STARRS hanno utilizzato il set di dati per addestrare algoritmi di apprendimento automatico che potevano utilizzare per generare la mappa.

I ricercatori dell’Università delle Hawaii lavorano con il telescopio PS1, situato sulla Big Island delle Hawaii. La PS1 può scansionare circa il 75% del cielo osservabile. Il telescopio è il più grande sondaggio ottico multicolore profondo del mondo e i ricercatori hanno voluto sfruttare questo potere per costruire una sofisticata mappa celeste. Ciò ha comportato l’addestramento dei computer della PS1 per classificare gli oggetti, distinguendo un tipo di corpo celeste da un altro tipo. Il set di dati utilizzato per addestrare il computer conteneva milioni di misurazioni, caratterizzate da caratteristiche come dimensioni e colore.

Gli algoritmi di intelligenza artificiale utilizzati erano normali reti neurali feedforward combinate con metodi di ottimizzazione che consentivano alle reti di apprendere le complesse relazioni tra i milioni di punti dati. Robert Beck, ex postdoc di cosmologia presso l’Istituto di astronomia dell’UHM, ha spiegato che sono stati utilizzati algoritmi di ottimizzazione all’avanguardia per addestrare il computer sui circa 4 milioni di oggetti celesti descritti dal set di dati. Come riportato da TechExplorist, il team di ricerca ha dovuto anche correggere l’interferenza della polvere all’interno della galassia della Via Lattea. Il team di ricerca ha utilizzato un metodo di campionamento Monte-Carlo per stimare l’incertezza creata a causa del redshift fotometrico (una stima della velocità di un oggetto) e quindi ha addestrato il modello di apprendimento automatico sui dati spettroscopici.

Dopo che il modello è stato addestrato, le sue prestazioni sono state verificate su un set di dati di convalida. La rete ha identificato con successo circa il 96,6% dei quasar, il 97,8% delle stelle e il 98,1% delle galassie. Inoltre, il modello ha previsto la distanza dalle galassie e, una volta verificato, le previsioni erano solo di circa il 3%.

Il risultato finale dell’addestramento e dell’utilizzo dell’IA è stato il più grande catalogo 3D di stelle, quasar e galassie al mondo . Il coautore dello studio Kenneth Chambers ha spiegato, come citato da Gizmodo , che i modelli utilizzati per generare la mappa dovrebbero essere in grado di essere riutilizzati man mano che vengono raccolti sempre più dati, migliorando ulteriormente la mappa e migliorando la nostra comprensione del nostro sistema solare e l’universo. Gli scienziati saranno in grado di utilizzare la mappa per ottenere informazioni sulla forma dell’universo e determinare dove il nostro modello cosmologico non riesce ad allinearsi con le nuove proiezioni.

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi