شناسایی کهکشانهای ناشناخته بوسیله هوش مصنوعی
آموزش نوعی برنامه هوش مصنوعی توسط پژوهشگران استرالیا برای کشف کهکشانها ی ناشناخته
به گزارش رادیو نشاط ، پژوهشگران استرالیا موفق شدهاند یک برنامه هوش مصنوعی را طوری آموزش دهند که بتواند کهکشانهای موجود در فضا را شناسایی کند. نتیجه این تلاش، ابداع یک ربات هوش مصنوعی موسوم به "کلران"(ClaRAN) است که تصاویر ثبت شده با تلسکوپهای رادیویی را اسکن میکند.
کار این ربات، کشف کهکشانهای رادیویی است. این کهکشانها، امواج رادیویی قوی را از سیاهچالههای کلانجرمی که در مرکزشان قرار دارد، به فضای میان کهکشانی منتشر میکنند.
ابداع کلران، براساس دادههای گردآوری شده توسط دکتر "چن وو"(Chen Wu) و دکتر "ایوی وونگ"(Ivy Wong)، متخصصان و ستارهشناسان "دانشگاه استرالیای غربی"(UWA) صورت گرفت.
دکتر وونگ در این باره گفت: سیاهچالهها، در مرکز بیشتر کهکشانها وجود دارند. سیاهچالههای کلانجرم، معمولا امواجی منتشر میکنند که با تلسکوپ رادیویی قابل دیدن هستند. این امواج، به مرور زمان در کهکشان میزبان خود امتداد مییابند و مکانیابی کهکشان را برای برنامههای رایانهای قدیمی دشوار میسازند. به همین دلیل، ما تصمیم گرفتیم کلران را برای این کار آموزش دهیم.
دکتر وو گفت: یک نسخه منبع باز مایکروسافت و نرمافزار تشخیص اشیاء فیسبوک روی کلران نصب شدهاند. برنامهریزی کلران به گونهای است که میتواند به جای افراد، کهکشانها را تشخیص دهد.
وونگ افزود: انتظار میرود پروژه اکتشافی "EMU" که در آن، از تلسکوپ "اسکاپ"(ASKAP) استفاده شده، 70 میلیون کهکشان را شناسایی کند. الگوریتمهای رایانهای قدیمی میتوانند تا 90 درصد کهکشانها را به درستی شناسایی کنند اما 10 درصد از کهکشانها که حدود هفت میلیون هستند، ناشناخته میمانند. اگر کلران بتواند تعداد کهکشانهایی که به طبقهبندی تصویری نیاز دارند به یک درصد برساند، دانشمندان میتوانند زمان خود را به کشف کهکشانهای جدید اختصاص دهند.
دکتر وو ادامه داد: برای استفاده از کلران، فقط باید یک شبکه گسترده عصبی را تنظیم کنیم و دادههای مورد نیاز را به آن انتقال دهیم. پس از این مراحل، کلران، اتصالات داخلی خود را بررسی و تنظیم میکند تا نتایج مورد نظر را ارائه دهد. نسل جدید برنامهنویسان، 99 درصد زمان خود را به ارائه بهترین مجموعه دادههای کیفی و آموزش الگوریتمهای هوش مصنوعی اختصاص میدهند. کلران، آینده برنامهنویسی رایانهای است.
اطلاعات بیشتر
https://www.eurekalert.org/pub_releases/2018-10/icfr-aib103018.php