Волонтёры научили искусственный интеллект находить зарождающиеся планеты

https://trinity24.ru/logotype/IMG_SIZE.php?token=e6bf4fea0992d5ec20250d9073dd06a2&ID_PNG=7108885&kartinka_png=http%3A%2F%2Fnimfa-ekb.ru%2F__kartinka%2F02_04_2018%2F105764_www.vesti.ru_02042018.png&size_png=250

Специалисты научили нейронную сеть находить диски пыли и обломков, говорящие о наличии у звёзд зарождающихся или уже существующих планетных систем. Для этого они использовали результаты работы добровольцев, распознающих такие объекты на изображениях при помощи собственных глаз. Кроме этого, система научилась ещё и опознавать диски, в которых наверняка уже есть планеты. Таких оказалось 367 штук.

О достижении рассказывает научная статья, опубликованная в журнале Astronomy and Computing командой во главе с Там Нгуен (Tam Nguyen) из Массачусетского технологического института.

Остаточный диск – это облако из твёрдых фрагментов разного размера, от пылинки до астероида (астрономы, впрочем, то и другое называют пылью). Специалисты всё ещё спорят, на какой стадии зарождения планетной системы образуется такой диск, но то, что он указывает на формирование планет, несомненно.

Поэтому легко понять интерес учёных к этим объектам. Поскольку эти облака пыли довольно холодные, они испускают в основном не видимый свет, а инфракрасное излучение. По данным инфракрасных телескопов их и изучают.

Остаточный диск выглядит как эллипс, выделяющийся из фона, с ещё одним небольшим и чуть-чуть более эллипсом в центре. Но чтобы распознать такой объект, нужно отличить его вклад в принятый телескопом сигнал от излучения галактик, межзвёздного газа и других посторонних источников. Весьма трудно разработать алгоритм, который позволял бы традиционной (без элементов самообучения) компьютерной программе справляться с этой задачей.

Однако с тем, что не под силу компьютерам, с лёгкостью справляется человеческое зрение, отточенное миллионами лет эволюции. Именно поэтому НАСА запустило проект Disk Detective, в котором может участвовать каждый, у кого есть Интернет и чуть-чуть свободного времени. Потренировавшись на нескольких пробных изображениях, человек легко опознаёт пылевые диски вокруг звёзд и сообщает об этом исследователям. Никаких специальных знаний для этого не нужно.

Проблема только в объёме работы. В каталоге инфракрасного обзора WISE 747 миллионов объектов. Чтобы на каждый из них взглянул хотя бы один волонтёр, нужно 75 тысяч человек из расчёта "десять тысяч изображений на добровольца". А ведь каждый снимок нужно показать более чем одному человеку, дабы исключить случайные ошибки.

Команда Нгуен нашла выход из ситуации. "Вести.Наука" (nauka.vesti.ru) подробно рассказывали о том, что такое нейронная сеть, как она обучается и в чём её отличие от традиционной компьютерной программы. Вкратце речь о том, что система не обладает заранее заданным алгоритмом обработки данных, а в некотором смысле вырабатывает его самостоятельно, основываясь на обучающем материале. Это и позволяет ей решать задачи вроде оценки качества фотографий, которые с трудом поддаются алгоритмизации.

Исследователи резонно решили, что плоды трудов "дисковых детективов" – прекрасный материал для обучения нейронной сети. При этом они пошли дальше стандартных методов предварительной очистки данных и обучения нейронной сети. Как отмечается в пресс-релизе, учёные заложили в алгоритм обучения сети некоторые физические принципы. Например, компьютер сравнивал изображения одного и того же объекта, полученные в четырёх диапазонах частот, и использовал выработанные оптикой методы для оценки положения, симметрии и масштаба источников "света".

В итоге вердикт человека и машины по поводу того, есть ли на картинке остаточный диск, совпадал в 97% случаев. Работа системы оставалась надёжной в самом широком диапазоне качества и других характеристик изображения.

Однако на этом исследователи не остановились. Они решили научить своё детище ещё и выделять среди множества дисков те, в которых наверняка уже сейчас существуют планеты.

Здесь в качестве материала для обучения использовался короткий список объектов, подготовленный профессионалами. Обучившись на этой выборке, сеть отобрала 367 новых "перспективных" дисков.

Напомним, что ранее "Вести.Наука" писали о том, как искусственный интеллект научился искать планеты в данных телескопа Kepler и кратеры на фотографиях Луны. Волонтёрские астрономические проекты мы тоже не обошли стороной, рассказав о том, как любой из нас может поучаствовать в исследовании Марса.

Дата публикации: 02-04-2018 - подробнее...

Другие новости:

ТНТ прокомментировал новости о сносе Дома-2

На телеканале ТНТ надеются, что съемочная площадка популярного реалити-шоу "Дом-2" в Новой Москве, о сносе которой заявили московские власти, останется на прежнем месте."У нас действующий контракт с подрядчиком, и мы уверены, что он будет исполнять свои обязательства в рамках контракта", — сообщили ТАСС в пресс-службе канала.

Свиридова оставили в черном списке Шенгена

Высший административный суд Польши оставил в силе запрет на въезд в страны Шенгенской зоны журналисту МИА "Россия сегодня" Леониду Свиридову. Самого истца на процесс по его делу не позвали. Судья решил, что в этом нет смысла, пишет агентство РИА Новости.Высший административный суд – последняя инстанция в Польше.

Четверо участников ячейки ИГИЛ, получившей название "группа Битлз",...

Британские власти временно приостановили сотрудничество с США по экстрадиции двух боевиков террористической организации ИГИЛ (запрещена в России), передает "Интерфакс". Англичане опасаются, что американская судебная система может вынести бывшим гражданам Великобритании, примкнувшим к ИГ, смертный приговор.

Умер журналист, общественник и поэт Виталий Шенталинский

В возрасте 78 лет ушел из жизни журналист, создатель Комиссии по творческому наследию репрессированных писателей России Виталий Шенталинский."Умер Виталий Шенталинский.

Формула-1. Риккардо выиграл первую свободную практику Гран-при Венгрии

В Венгрии на автодроме "Хунгароринг" близ местечка Мадьород стартовал очередной этап чемпионата мира по автогонкам в классе машин "Формула-1". Первая свободная практика завершилась победой австралийского гонщика команды Red Bull Даниэля Риккардо.Австралиец прошел 30 кругов и показал лучшее время – 1 мин. 17,613 сек.

Жизненно
Интернет реклама