cluster Galaxy est l'une des plus grandes structures de l'univers, mais malgré des millions de galaxies années-lumière, sont encore difficiles à trouver. chercheurs de l'Université de Lancaster tournés vers l'intelligence artificielle, a développé le « Deep- cee » (pour l'extraction et les amas de galaxies évaluation approfondie de l'apprentissage), qui est une nouvelle profondeur de la technologie d'apprentissage, peut accélérer le processus de découverte des amas de galaxies. sera le 4 Juillet Université de Lancaster doctorant Matthew Chan, 201915:45, en partie pour montrer les résultats de cette machine astrophysique d'étude d'apprentissage Société royale d'astronomie National Astronomy Meeting du Royaume-Uni va.
La plupart des galaxies dans l'univers vivent dans un environnement à faible densité connue sous le nom « champ » dans le groupe ou sous la forme, par exemple, comprend la Voie Lactée et la galaxie d'Andromède. Galaxies sont relativement rares, mais ils représentent les environnements les plus extrêmes galaxies peuvent survivre la recherche qui peuvent nous aider à mieux comprendre la matière noire et l'énergie sombre.
(Cartes cercle ont été ajoutées ici, s'il vous plaît aller aux titres de vue du client d'aujourd'hui)Dans les années 1950, les pionniers ont constaté que les amas de galaxies, l'astronome George Abell (George Abell) a passé des années à chercher les amas de galaxies à l'oeil nu, une loupe et des plaques photographiques pour déterminer leur emplacement. Abell analyse manuelle d'environ 2000 film photographique, à la recherche de caractéristiques visuelles des amas de galaxies.
Et décrit les coordonnées astronomiques des régions denses de galaxies en détail, leur recherche a révélé « catalogue Abell » des amas de galaxies dans l'hémisphère nord. Méthode profonde CEE Abell basée sur l'identification du cluster, mais en utilisant un modèle d'intelligence artificielle remplace les astronomes, le modèle est formé, à « observer » la reconnaissance d'image couleur et galaxies. Ceci est l'un des plus avancé modèle basé sur le modèle de réseau de neurones conçu pour imiter le cerveau humain pour identifier l'objet en activant les neurones spécifiques de la manière - quand vous voyez les modèles distinctifs et des couleurs. La formation AI répété exemple de l'image de l'objet est connu, étiqueté pour le montrer.
Jusqu'à ce que l'algorithme peut apprendre à des objets associés, puis mené une étude préliminaire pour tester la capacité de l'algorithme contient de nombreuses images d'autres objets dans l'identification et la classification des amas de galaxies. Les chercheurs ont réussi profond CEE appliquée au Sloan Digital Sky Survey, la finale, se déroulera un Sky Survey révolutionnaire modèle, comme les observations météorologiques à grande échelle Telescope (LSST), explorera l'univers n'a jamais été explorée avant plus larges, des zones plus profondes. Les nouveaux télescopes permettent aux astronomes de les plus avancés toujours plus large et plus profonde que celle observée.
Par exemple, étudier la structure à grande échelle de l'univers, le contenu de l'univers pour dessiner un grand nombre de non découvertes. En automatisant le processus de découverte, les scientifiques peuvent analyser rapidement une série d'images, et avec un minimum de retours d'interaction humaine pour prédire avec précision quel avenir l'analyse des données sera essentielle. enquête à venir ciel LSST (pour être en ligne d'ici 2021) dépeindra l'ensemble de l'hémisphère sud du ciel, tous les soirs devrait générer 15 To de données. Apprentissage en profondeur comme la technologie de l'exploration de données, nous aidera à analyser l'énorme production de télescopes modernes, les chercheurs espèrent également que la méthode peut trouver des milliers d'avait jamais vu la science du cluster.
