ИИ помогает находить новые космические аномалии |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2022-08-08 21:53 Международная команда исследователей SNAD обнаружила 11 ранее неизвестных космических аномалий, 7 из которых являются кандидатами в сверхновые. Исследователи проанализировали цифровые изображения северного неба, сделанные в 2018 году, для обнаружения аномалий с помощью метода «ближайшего соседа». Алгоритмы машинного обучения помогли автоматизировать поиск. Статья опубликована в New Astronomy. С появлением крупномасштабных астрономических обзоров объемы данных резко увеличились. Например, Zwicky Transient Facility (ZTF), который использует широкоугольную камеру для обзора северного неба, генерирует около 1,4 ТБ данных за ночь наблюдения, а его каталог содержит миллиарды объектов. Ручная обработка таких огромных объемов данных является очень трудоемкой, поэтому команда исследователей SNAD из России, Франции и США объединила усилия для разработки автоматизированного решения. В этом исследовании ученые изучили миллион реальных кривых блеска из каталога ZTF 2018 года и семь моделей кривых в реальном времени для типов изучаемых объектов. Всего они отслеживали около 40 параметров, включая амплитуду яркости объекта и временной интервал. «Мы описали свойства нашего моделирования, используя набор характеристик, которые, как ожидается, будут наблюдаться у реальных астрономических тел. В наборе данных примерно из миллиона объектов мы искали сверхмощные сверхновые, сверхновые типа Ia, сверхновые типа II и события приливного разрушения», — объясняет Константин Маланчев, постдок Иллинойсского университета в Урбане-Шампейне. Затем данные кривых блеска реальных объектов сравнивались с данными моделирования с использованием алгоритма k-d-дерева. Впоследствии команда идентифицировала 15 ближайших соседей, то есть реальных объектов из базы данных ZTF, для каждой симуляции — всего 105 совпадений, которые исследователи визуально проверили на наличие аномалий. Ручная проверка подтвердила 11 аномалий, из которых 7 были кандидатами в сверхновые, а 4 кандидатами в активные ядра галактик, где могли произойти события приливного разрушения. Это исследование демонстрирует, что метод очень эффективен и относительно прост в применении. Предлагаемый алгоритм обнаружения космических явлений определенного типа универсален, и может быть использован для обнаружения любых интересных астрономических объектов, не ограничиваясь редкими типами сверхновых. Источник: aboutspacejornal.net Комментарии: |
|