Wissenschaftler des Tata Institute of Fundamental Research (TIFR), Mumbai, Indien, und des Indian Institute of Space Science and Technology (IIST) haben die Natur Tausender neuer kosmischer Objekte in Röntgenwellenlängen mithilfe von Techniken des maschinellen Lernens identifiziert. Maschinelles Lernen ist eine Variante oder ein Teil der künstlichen Intelligenz.
Die Astronomie tritt in eine neue Ära ein, da eine riesige Menge astronomischer Daten von Millionen kosmischer Objekte frei verfügbar wird. Dies ist das Ergebnis umfangreicher Vermessungen und geplanter Beobachtungen mit hochwertigen astronomischen Observatorien und einer Politik des offenen Datenzugriffs. Unnötig zu sagen, dass diese Daten ein großes Potenzial für viele Entdeckungen und ein neues Verständnis des Universums haben.
Es ist jedoch nicht praktikabel, die Daten all dieser Objekte manuell zu untersuchen, und automatisierte maschinelle Lerntechniken sind unerlässlich, um Informationen aus diesen Daten zu extrahieren. Die Anwendung solcher Techniken auf astronomische Daten ist jedoch noch sehr begrenzt und befindet sich in einem Vorstadium.
Das TIFR-IIST-Team wendete Techniken des maschinellen Lernens auf Hunderttausende von kosmischen Objekten an, die in Röntgenstrahlen mit dem Chandra-Weltraumobservatorium in den USA beobachtet wurden. Dies zeigte, wie ein neuer und aktueller technologischer Fortschritt die wissenschaftliche Grundlagen- und Grundlagenforschung unterstützen und revolutionieren könnte. Das Team wendete diese Techniken auf etwa 277.000 Röntgenobjekte an, von denen die meisten unbekannt waren. Eine Klassifizierung der Natur unbekannter Objekte ist gleichbedeutend mit der Entdeckung von Objekten bestimmter Klassen.
Somit führte diese Forschung zu einer zuverlässigen Entdeckung von vielen tausend kosmischen Objekten verschiedener Klassen – wie Schwarzen Löchern, Neutronensternen, Weißen Zwergen und Sternen –, was der Astronomie-Gemeinschaft eine enorme Gelegenheit zum weiteren detaillierten Studium vieler interessanter Neuerungen eröffnete Objekte.
Diese gemeinsame Forschung war auch wichtig, um eine hochmoderne Kapazität zur Anwendung neuer Techniken des maschinellen Lernens auf die Grundlagenforschung in der Astronomie aufzubauen, die für die wissenschaftliche Nutzung der Daten aktueller und zukünftiger Observatorien von entscheidender Bedeutung sein wird.
Die Studie wird in der Zeitschrift veröffentlicht Monatliche Mitteilungen der Royal Astronomical Society.
Mehr Informationen:
Shivam Kumaran et al, Automatisierte Klassifizierung von Chandra-Röntgenpunktquellen mit Methoden des maschinellen Lernens, Monatliche Mitteilungen der Royal Astronomical Society (2023). DOI: 10.1093/mnras/stad414