گروهی از ستاره شناسان از هوش مصنوعی برای کشف انبوهی از اطلاعات در مورد تکامل بیش از 100 کهکشان استفاده کردند.
به گزارش ایسنا، ابرهای میان ستاره ای کهکشان های دور و باستان اغلب مملو از کربن هستند. این بدان معناست که اگر اخترشناسان بتوانند تکه‌هایی از کربن به نام «غرق‌های کربن خنثی» را شناسایی و شناسایی کنند، می‌توانند چیزهای زیادی در مورد چگونگی تکامل کهکشان‌ها بیاموزند.
به گزارش یاهو نیوز، فرآیند شناسایی جاذب های کربن خنثی، که معمولاً شامل یافتن اثر انگشت مشخصه خطوط جذب کربن در طیف نور ساطع شده از یک کهکشان است، طولانی و دشوار است. در میان میلیون‌ها کهکشان، اخترشناسان تنها ده‌ها نمونه را می‌شناسند که حاوی این جاذب‌ها هستند.
به نظر می رسد که شناسایی سینک های کربن خنثی یک کار جدید برای هوش مصنوعی یا به طور دقیق تر، برای یک شبکه عصبی عمیق است. محققان اخیراً یک شبکه عصبی برای پردازش داده های طیف سنجی کهکشانی که بیش از یک دهه پیش به دست آمده ساخته اند و بیش از صد کهکشان جدید حاوی جاذب های کربن خنثی کشف کرده اند.
قبل از اینکه بتوانید از یک شبکه عصبی استفاده کنید، ابتدا باید آن را آموزش دهید، اما جذب کننده های خنثی CO2 کافی برای این کار وجود ندارد. به جای استفاده از داده‌های واقعی، محققان مجموعه‌ای از پنج میلیون طیف ساختگی تولید کردند و از آنها برای آموزش شبکه‌های عصبی بر روی الگوهایی استفاده کردند که اغلب برای چشم انسان کوچک هستند.
سپس محققان شبکه عصبی خود را با داده های پروژه نقشه برداری آسمان دیجیتال Sloan 3 (SDSS-III) تنظیم کردند. آنها جاذب های خنثی از نظر آب و هوا را در 107 کهکشان شناسایی کردند که قبلاً فاقد این ویژگی ها بودند.
کربن یک مرحله خاص از تکامل کهکشانی را نشان می دهد که حضور آن نشان می دهد که یک کهکشان دستخوش تغییرات سریع شده است و عناصری بسیار سنگین تر از هیدروژن یا هلیوم تولید می کند. محققان این پروژه معتقدند وجود کربن در یک کهکشان می تواند نشان دهنده شکل گیری یک قرص کهکشانی شبیه کهکشان راه شیری باشد. قدمت کهکشان های کربنی تازه شناسایی شده به حدود 10.8 میلیارد سال پیش برمی گردد که نسبتاً اوایل تاریخ کیهان است و این واقعیت را بسیار جالب می کند.
از بسیاری جهات، نجوم یک رشته ایده آل است که در آن می توان از روش های هوش مصنوعی استفاده کرد. ستاره شناسان در حال حاضر با حجم عظیمی از داده ها دست و پنجه نرم می کنند. بررسی این حجم از داده ها در مدت زمان معقول برای انسان بسیار دشوار است. ناگفته نماند توسعه روشی که بتواند الگوهای بسیار دقیقی را پیدا کند.
“جیان جی”، ستاره شناس رصدخانه نجومی شانگهای (SHAO) در چین، گفت: توسعه الگوریتم های هوش مصنوعی خلاقانه ای ضروری است که بتواند به سرعت، دقیق و جامع سیگنال های کمیاب و ضعیف را در داده های نجومی بررسی کند.
این تحقیق در مجله MNRAS منتشر شده است.