Нейросеть научилась находить зарождающиеся планеты
Ученые из Массачусетского технологического института создали нейросеть, которая способна находить обломки и пыль протопланетных дисков, которые свидетельствуют о зарождении планет в звездных системах. Результаты соответствующего исследования были опубликованы в журнале Astronomy and Computing.
Так, нейросеть тренировалась на базе данных каталога инфракрасного обзора WISE, который содержит информацию о 747 млн объектов. В процессе обучения алгоритм сравнивал изображения одного и того же объекта, полученные из четырех диапазонов частот, и оценивал его положение, симметрию и масштаб источника света.
В результате, выводы программы и ученых о наличии диска на изображении совпали в 97% случаев. Ученые отмечают, что эффективность работы алгоритма остается высокой независимо от качества изображений.
Кроме этого, исследователи научили алгоритм выделять среди множества дисков те, в которых уже существуют планеты. В данном случае, тренировочная база состояла из короткого списка объектов, подготовленного профессионалами. В результате работы нейросети, ученые обнаружили 367 перспективных дисков, в которых с высокой вероятностью существуют планеты.
Подписывайтесь на MarkLog – журнал о машинном обучении, искусственном интеллекте и высоких технологиях для data-специалистов, разработчиков и энтузиастов.
Ученые из Массачусетского технологического института создали нейросеть, которая способна находить обломки и пыль протопланетных дисков, которые свидетельствуют о зарождении планет в звездных системах. Результаты соответствующего исследования были опубликованы в журнале Astronomy and Computing.
Так, нейросеть тренировалась на базе данных каталога инфракрасного обзора WISE, который содержит информацию о 747 млн объектов. В процессе обучения алгоритм сравнивал изображения одного и того же объекта, полученные из четырех диапазонов частот, и оценивал его положение, симметрию и масштаб источника света.
В результате, выводы программы и ученых о наличии диска на изображении совпали в 97% случаев. Ученые отмечают, что эффективность работы алгоритма остается высокой независимо от качества изображений.
Кроме этого, исследователи научили алгоритм выделять среди множества дисков те, в которых уже существуют планеты. В данном случае, тренировочная база состояла из короткого списка объектов, подготовленного профессионалами. В результате работы нейросети, ученые обнаружили 367 перспективных дисков, в которых с высокой вероятностью существуют планеты.
Подписывайтесь на MarkLog – журнал о машинном обучении, искусственном интеллекте и высоких технологиях для data-специалистов, разработчиков и энтузиастов.