Milchstraße chemc / iStock
Galaxienhaufen, die aus mehreren Galaxien bestehen, die durch Schwerkraft und dunkle Materie miteinander verbunden sind, sind Riesen des Universums.
Um die Dinge ins rechte Licht zu rücken, wird geschätzt, dass in unserer eigenen Milchstraße etwa 250 Milliarden Sterne.
Das Problem ist, dass sie zwar Millionen von Lichtjahren breit sind, aber auch Millionen von Lichtjahren von uns entfernt sind, was es für Astronomen schwierig macht, sie zu erkennen.
Enter Deep-CEE Deep Learning für die Extraktion und Evaluierung von Galaxienhaufen eine Deep-Learning-Technik, die von Forschern der Lancaster University entwickelt wurde. Die KI wurde entwickelt, um Galaxienhaufen viel schneller zu finden, als es ein Mensch könnte.
Dunkle Materie verstehen
Wissenschaftler haben das gefunden Hauptfaktor bindende Galaxienhaufen ist dunkle Materie. Wenn wir mehr über diese extremen Umgebungen erfahren, können wir die mysteriösen Eigenschaften von dunkler Materie und dunkler Energie besser verstehen.
In den 1950er Jahren fand der Astronom George Abell den 'Abell-Katalog' von Galaxienhaufen, nachdem er ungefähr 2.00 fotografische Platten des beobachtbaren Universums analysiert hatte.
Deep-CEE, gebaut von Matthew Chan, einem Doktoranden an der Lancaster University, baut auf Abells Ansatz auf, ersetzt jedoch den Astronomen durch ein KI-Modell, das darauf trainiert ist, Farbbilder zu durchsuchen, um Galaxienhaufen zu identifizieren.
Die KI wurde trainiert, indem Beispiele für markierte, bekannte Objekte gezeigt wurden, bis sie Objekte selbst zuordnen konnte. Pilottests zeigten dann die Fähigkeit von Deep-CEE, auf Galaxienhaufen trainiert zu werden.
Riesige Datenmengen
"Wir haben Deep-CEE erfolgreich auf die Sloan Digital Sky Survey angewendet", sagte Chan in einer Presseerklärung. "Letztendlich werden wir unser Modell auf revolutionären Vermessungen wie dem Large Synoptic Survey Telescope LSST betreiben, das breitere und breitere Sonden untersuchen wirdtiefer in Regionen des Universums, die noch nie zuvor erforscht wurden.
Täglich werden riesige Datenmengen von Teleskopen generiert. Die bevorstehende LSST-Himmelsvermessung voraussichtlich 2021 wird beispielsweise jede Nacht geschätzte 15 TB Daten generieren, um den gesamten Himmel der südlichen Hemisphäre abzubilden.
"Data Mining-Techniken wie Deep Learning werden uns helfen, die enormen Leistungen moderner Teleskope zu analysieren", sagt Dr. John Stott Chans Ph.D.-Supervisor. "Wir erwarten, dass unsere Methode Tausende von Clustern findet, die noch nie zuvor gesehen wurdenvon der Wissenschaft ".
Chan wird sein KI-Modell und seine Ergebnisse vorstellen Papier , "Fischen nach Galaxienhaufen mit" Deep-CEE "-Neuronnetzen" am 4. Juli um 15.45 Uhr in der Sitzung "Maschinelles Lernen in der Astrophysik".