تحقیقات جدید دانشگاه جورجیا نشان می‌دهد که از هوش مصنوعی می‌توان برای یافتن سیارات خارج از منظومه شمسی استفاده کرد.مطالعه اخیر نشان داد که یادگیری ماشینی می‌تواند برای یافتن سیارات فراخورشیدی مورد استفاده قرار گیرد، اطلاعاتی که می‌تواند نحوه شناسایی و شناسایی سیارات جدید توسط دانشمندان را تغییر دهد.
جیسون تری، دانشجوی دکترا در بخش فیزیک و نجوم کالج فرانکلین کالج هنر و علوم UGA و نویسنده اصلی این مطالعه، گفت: «یکی از چیزهای جدید در این مورد، تجزیه و تحلیل محیط‌هایی است که سیارات هنوز در حال شکل‌گیری هستند. «یادگیری ماشین به ندرت در مورد نوع داده‌هایی که قبلاً استفاده می‌کردیم، به‌ویژه برای مشاهده سیستم‌هایی که هنوز به‌طور فعال سیاره‌ها را تشکیل می‌دهند، اعمال شده است.»
اولین سیاره فراخورشیدی در سال 1992 یافت شد ، و اگرچه بیش از 5000 سیاره شناخته شده وجود دارد ، اما این یکی از ساده‌ترین‌ها برای دانشمندان بوده است. دیدن سیارات فراخورشیدی در مرحله تشکیل به دو دلیل اصلی دشوار است. آنها خیلی دور هستند ، اغلب صدها سال نور از زمین فاصله دارند ، و دیسک‌هایی که در آن شکل می‌گیرند بسیار ضخیم هستند، ضخیم‌تر از فاصله زمین تا خورشید. داده‌ها نشان می‌دهد که سیارات تمایل دارند در وسط این دیسک‌ها باشند ، و امضای گرد و غبار و گازهای پرتاب شده توسط سیاره را منتقل می کنند.
این تحقیق نشان داد که هوش مصنوعی می‌تواند به دانشمندان کمک کند تا بر این مشکلات غلبه کنند.
کاساندرا هال ، استاد دستیار فیزیک نجومی ، محقق اصلی گروه تحقیقاتی تشکیل سیاره‌های فراخورشیدی و سیاره و نویسنده مشترک این مطالعه گفت. “قدرت اینجا این است که ما به طور انحصاری از داده‌های تلسکوپ مصنوعی تولید شده توسط شبیه‌سازی‌های کامپیوتری برای آموزش این هوش مصنوعی استفاده کردیم، و سپس آن را به داده‌های تلسکوپ واقعی اعمال کردیم. این کار قبلا در زمینه ما انجام نشده است و راه را برای سیل اکتشافات هموار می‌کند زیرا داده‌های تلسکوپ جیمز وب وارد می شود.”
تلسکوپ فضایی جیمز وب که توسط ناسا در سال 2021 راه اندازی شد، سطح جدیدی از نجوم مادون قرمز را افتتاح کرده است، که تصاویر جدید و داده‌های زیادی را برای دانشمندان برای تجزیه و تحلیل به ارمغان آورده است. اين تازه‌ترين تکرار تلاش آژانس براي پيدا کردن سياره هاي فراخورشيه که به طور نامنظم در سراسر کهکشان پراکنده شده رصدخانه نانسی گریس رومی، یک تلسکوپ 2.4 متری که قرار است در سال 2027 راه اندازی شود و به دنبال انرژی تاریک و سیارات فراخورشیدی خواهد بود.
ابزارهای تحلیلی جدید ضروری هستند
ابزارهای تحلیلی نسل بعدی برای استقبال از این داده‌های با کیفیت بالا به سرعت مورد نیاز است، بنابراین دانشمندان می‌توانند زمان بیشتری را صرف تفسیر نظری مربوط به داده‌های به دست آمده کنند به جای اینکه با دقت داده‌ها را بررسی کنند و برای یافتن نشانه‌های کوچک تلاش کنند.
تری گفت. “تا حد زیادی روش تجزیه و تحلیل این داده‌ها این است که شما ده ها ، صدها تصویر برای یک دیسک خاص دارید و فقط از طریق آن نگاه می‌کنید و می‌پرسید” آیا این یک حرکت است ؟ سپس ده‌ها شبیه سازی را اجرا کنید تا ببینید که آیا این یک حرکت است یا خیر و … نادیده گرفتن آنها آسان است – آنها واقعا کوچک هستند ، و این بستگی به تمیز کردن داده‌ها دارد ، و بنابراین این روش، واقعا سریع است .”
نتیجه
در علم و به ویژه نجوم به طور کلی ، شک و تردید در مورد یادگیری ماشین و هوش مصنوعی وجود دارد ، یک انتقاد معتبر از این جعبه سیاه است – جایی که شما صدها میلیون پارامتر دارید و به نوعی پاسخ را دریافت می‌کنید. اما ما فکر می کنیم که در این کار به شدت نشان داده‌ایم که یادگیری ماشین به این کار بستگی دارد. شما می‌توانید در مورد تفسیر بحث کنید. اما در این مورد ، ما نتایج بسیار مشخصی داریم که قدرت این روش را نشان می‌دهد.
مقالات ما را در مجله شرکت هوش تجاری کیسان مطالعه کنید.
منابع
آخرین مطالب
