SNAD-ի հետազոտողների միջազգային թիմը հայտնաբերել է նախկինում անհայտ 11 տիեզերական անոմալիա, որոնցից 7-ը գերնոր աստղերի թեկնածուներ են։ Հետազոտողները վերլուծել են 2018 թվականին արված հյուսիսային երկնքի թվային պատկերները՝ «ամենամոտ հարեւանի» մեթոդով անոմալիաներ հայտնաբերելու համար։ Մեքենայի ուսուցման ալգորիթմներն օգնեցին ավտոմատացնել որոնումը:
Լայնածավալ աստղագիտական հետազոտությունների գալուստով տվյալների քանակը կտրուկ աճել է: Օրինակ, Zwicky Transient Facility-ը (ZTF), որն օգտագործում է տեսախցիկ հյուսիսային երկինքը հետազոտելու համար, մեկ դիտորդական գիշերը ստեղծում է մոտ 1,4 ՏԲ տվյալ, և դրա կատալոգը պարունակում է միլիարդավոր օբյեկտներ: Նման մեծ ծավալների տվյալների ձեռքով մշակումը շատ ժամանակատար է, ուստի Ֆրանսիայից, ԱՄՆ-ից և այլ երկրների SNAD հետազոտողների թիմը միավորեց ուժերը՝ մշակելու ավտոմատացված լուծում:
Այս ուսումնասիրության ընթացքում գիտնականներն ուսումնասիրել են մեկ միլիոն իրական լույսի կորեր 2018 թվականի ZTF կատալոգից և իրական ժամանակի լույսի կորի յոթ մոդելներ՝ ուսումնասիրվող օբյեկտների տեսակների համար: Ընդհանուր առմամբ, նրանք վերահսկել են մոտ 40 պարամետր, ներառյալ օբյեկտի պայծառության ամպլիտուդը և ժամանակային ընդմիջումը:
«Մենք նկարագրել ենք մեր սիմուլյացիաների հատկությունները՝ օգտագործելով մի շարք բնութագրեր, որոնք ակնկալվում են դիտարկել իրական աստղագիտական մարմիններում: Մոտ մեկ միլիոն օբյեկտների տվյալների հավաքածուի մեջ մենք որոնեցինք գերնորեր, Ia տիպի գերնոր, II տիպի գերնոր և մակընթացային փլուզման իրադարձություններ», - բացատրում է Կոստյանտին Մալանչևը, Ուրբանա-Շամպայն Իլինոյսի համալսարանի հետդոկտոր Կոստյանտին Մալանչևը:
Այնուհետև իրական օբյեկտների պայծառության կորերի տվյալները համեմատվել են մոդելավորման տվյալների հետ՝ օգտագործելով kd-tree ալգորիթմը: Հետագայում թիմը հայտնաբերեց 15 ամենամոտ հարևաններին, այսինքն՝ իրական օբյեկտներին ZTF տվյալների բազայից, ընդհանուր 105 համընկնումների յուրաքանչյուր մոդելավորման համար, որոնք հետազոտողները տեսողականորեն ստուգեցին անոմալիաների համար: Ձեռքով ստուգումը հաստատեց 11 անոմալիա, որոնցից 7-ը գերնոր աստղերի թեկնածուներ էին, իսկ 4-ը` ակտիվ գալակտիկական միջուկների թեկնածուներ, որտեղ կարող էին տեղի ունենալ մակընթացությունների խանգարման իրադարձություններ:
Այս ուսումնասիրությունը ցույց է տալիս, որ մեթոդը շատ արդյունավետ է և հեշտ օգտագործման համար: Որոշակի տիպի տիեզերական երևույթների հայտնաբերման առաջարկվող ալգորիթմը ունիվերսալ է և կարող է օգտագործվել ցանկացած հետաքրքիր աստղագիտական օբյեկտ հայտնաբերելու համար՝ չսահմանափակվելով գերնոր աստղերի հազվագյուտ տեսակներով:
Դուք կարող եք օգնել Ուկրաինային պայքարել ռուս զավթիչների դեմ։ Դա անելու լավագույն միջոցը Ուկրաինայի զինված ուժերին միջոցների նվիրաբերումն է Savelife կամ պաշտոնական էջի միջոցով NBU.
Կարդացեք նաև.
- Google-ի նախկին ղեկավարն արհեստական ինտելեկտը համեմատել է միջուկային զենքի հետ
- Meta-ի արհեստական ինտելեկտը կարող է օգնել բժիշկներին նախագծել լավագույն պրոթեզները