Adana Adıyaman Afyon Ağrı Aksaray Amasya Ankara Antalya Ardahan Artvin Aydın Balıkesir Bartın Batman Bayburt Bilecik Bingöl Bitlis Bolu Burdur Bursa Çanakkale Çankırı Çorum Denizli Diyarbakır Düzce Edirne Elazığ Erzincan Erzurum Eskişehir Gaziantep Giresun Gümüşhane Hakkari Hatay Iğdır Isparta İstanbul İzmir K.Maraş Karabük Karaman Kars Kastamonu Kayseri Kırıkkale Kırklareli Kırşehir Kilis Kocaeli Konya Kütahya Malatya Manisa Mardin Mersin Muğla Muş Nevşehir Niğde Ordu Osmaniye Rize Sakarya Samsun Siirt Sinop Sivas Şanlıurfa Şırnak Tekirdağ Tokat Trabzon Tunceli Uşak Van Yalova Yozgat Zonguldak
İstanbul 26 °C
Gök Gürültülü

Önce Makine Öğreniminde Doğrulanan 50 Yeni Gezegen – Yapay Zeka Gerçek ve “Sahte” Gezegenleri Ayırıyor

26.08.2020
382
Önce Makine Öğreniminde Doğrulanan 50 Yeni Gezegen – Yapay Zeka Gerçek ve “Sahte” Gezegenleri Ayırıyor
  • Warwick Üniversitesi’nden gökbilimciler ve bilgisayar bilimcileri tarafından tasarlanan yeni makine öğrenimi algoritması, teleskop verilerinde yeni dış gezegenleri doğruluyor
  • Gökyüzü anketleri binlerce gezegen adayı bulur ve gökbilimciler gerçek gezegenleri sahte olanlardan ayırmak zorundadır
  • Algoritma, gerçek gezegenlerin işaretleri ile yanlış pozitifleri ayırt etmek için eğitildi
  • Yeni teknik, önceki tekniklerden daha hızlıdır, otomatikleştirilebilir ve daha fazla eğitimle geliştirilebilir

Elli potansiyel gezegenin varlığı, Warwick Üniversitesi bilim adamları tarafından geliştirilen yeni bir makine öğrenimi algoritmasıyla doğrulandı.

Gökbilimciler ilk kez, potansiyel gezegenlerin bir örneğini analiz etmek ve hangilerinin gerçek ve hangilerinin ‘sahte’ veya yanlış pozitif olduğunu belirlemek için bir yapay zeka biçimi olan makine öğrenmesine dayalı bir süreç kullandılar ve her birinin olasılığını hesapladılar, gerçek bir gezegen olmaya aday.

Onların sonuçları , Royal Astronomical Society’nin Aylık Bildirimleri’nde yayınlanan yeni bir çalışmada bildirildi ve burada bu tür gezegen doğrulama tekniklerinin ilk büyük ölçekli karşılaştırmasını da gerçekleştirdiler. Elde ettikleri sonuçlar, gelecekteki dış gezegen keşiflerini istatistiksel olarak doğrularken, makine öğrenimi algoritmaları da dahil olmak üzere birden fazla doğrulama tekniğinin kullanılmasını gerekli kılıyor .

Birçok dış gezegen araştırması, teleskop ile yıldızları arasında geçiş olarak bilinen gezegenlerin işaretleri için teleskoplardan gelen büyük miktarda veriyi araştırır. Bu, teleskopun algıladığı yıldızdan gelen ışığın belirsiz bir şekilde düşmesine neden olur, ancak aynı zamanda bir ikili yıldız sisteminden, arka plandaki bir nesneden kaynaklanan parazitten ve hatta kameradaki küçük hatalardan da kaynaklanabilir. Bu yanlış pozitifler, gezegensel bir doğrulama sürecinde elenebilir.

Warwick’in Fizik ve Bilgisayar Bilimi Bölümlerinden ve Alan Turing Enstitüsü’nden araştırmacılar, NASA’nınki gibi teleskop görevlerinde bulunan binlerce adayın büyük örneklerinde gerçek gezegenleri sahte olanlardan ayırabilen makine öğrenimi tabanlı bir algoritma geliştirdi. Kepler ve TESS.

Şu anda emekli olan Kepler görevinden iki büyük onaylanmış gezegen örneği ve yanlış pozitifleri kullanarak gerçek gezegenleri tanımak için eğitildi. Araştırmacılar daha sonra algoritmayı Kepler’den hala doğrulanmamış gezegen adaylarından oluşan bir veri kümesinde kullandı ve sonuçta elli yeni onaylanmış gezegen ve makine öğrenimi tarafından doğrulanacak ilk gezegen ortaya çıktı. Önceki makine öğrenimi teknikleri adayları sıraladı, ancak bir adayın kendi başına gerçek bir gezegen olma olasılığını hiçbir zaman belirlemedi, bu gezegen doğrulaması için gerekli bir adımdı.

Bu elli gezegen, Neptün kadar büyük dünyalardan Dünya’dan daha küçük, yörüngeleri 200 günden tek bir güne kadar uzanıyor. Bu elli gezegenin gerçek olduğunu doğrulayan gökbilimciler artık özel teleskoplarla daha fazla gözlem yapmak için bunlara öncelik verebilirler.

Warwick Üniversitesi Fizik Bölümü’nden Dr. David Armstrong şunları söyledi: “Geliştirdiğimiz algoritma, elli adayı gezegen doğrulama eşiği üzerinden alıp onları gerçek gezegenlere yükseltmemize izin veriyor. Bu tekniği TESS ve PLATO gibi mevcut ve gelecekteki görevlerden büyük aday örneklerine uygulamayı umuyoruz.

“Gezegen doğrulama açısından, daha önce hiç kimse bir makine öğrenimi tekniği kullanmamıştı. Makine öğrenimi, gezegen adaylarını sıralamak için kullanıldı, ancak hiçbir zaman olasılıklı bir çerçevede kullanılmadı; bu, bir gezegeni gerçekten doğrulamak için ihtiyacınız olan şeydir. Hangi adayların gezegen olma olasılığının daha yüksek olduğunu söylemek yerine, şimdi kesin istatistiksel olasılığın ne olduğunu söyleyebiliriz. Bir adayın yanlış pozitif olma olasılığının% 1’den az olduğu yerlerde, bu onaylanmış bir gezegen olarak kabul edilir. “

Warwick Üniversitesi Bilgisayar Bilimleri Bölümü’nden Dr. Theo Damoulas ve Alan Turing Enstitüsü’nde Veri Merkezli Mühendislik Direktör Yardımcısı ve Turing Araştırmacısı şunları söyledi: “İstatistiksel makine öğrenimine olasılıkçı yaklaşımlar, astrofizikte buna benzer heyecan verici bir problem için özellikle uygundur. Bu, Dr. Armstrong gibi uzmanlardan alınan önceki bilgilerin birleştirilmesini ve tahminlerdeki belirsizliğin ölçülmesini gerektirir. Olasılıklı yöntemlerin ek hesaplama karmaşıklığının önemli ölçüde karşılığını aldığı en iyi örnek. “

Algoritma oluşturulduktan ve eğitildikten sonra mevcut tekniklerden daha hızlıdır ve tamamen otomatikleştirilebilir, bu da onu TESS gibi mevcut anketlerde gözlemlenen potansiyel olarak binlerce gezegen adayı analiz etmek için ideal hale getirir. Araştırmacılar, gelecekte gezegenleri doğrulamak için toplu olarak kullanılacak araçlardan biri olması gerektiğini savunuyorlar.

Dr. Armstrong şunları ekliyor: “Bugüne kadar bilinen gezegenlerin neredeyse% 30’u tek bir yöntem kullanılarak onaylandı ve bu ideal değil. Doğrulama için yeni yöntemler geliştirmek, yalnızca bu nedenle arzu edilir. Ancak makine öğrenimi aynı zamanda bunu çok hızlı yapmamıza ve adaylara çok daha hızlı öncelik vermemize olanak tanır.

“Algoritmayı eğitmek için hâlâ zaman harcamalıyız, ancak bu yapıldığında onu gelecekteki adaylara uygulamak çok daha kolay hale geliyor. Ayrıca, onu aşamalı olarak iyileştirmek için yeni keşifleri de dahil edebilirsiniz.

“TESS gibi bir ankette onbinlerce gezegen adayı olacağı tahmin ediliyor ve hepsini tutarlı bir şekilde analiz edebilmek ideal. Bizi daha az adımda doğrulanmış gezegenlere kadar götürebilen bunun gibi hızlı, otomatik sistemler, bunu verimli bir şekilde yapmamızı sağlar. “

Referans: “Makine Öğrenimiyle Dış Gezegen Doğrulaması: 50 yeni doğrulanmış Kepler gezegeni”, David J Armstrong, Jevgenij Gamper, Theodoros Damoulas, 20 Ağustos 2020, Kraliyet Astronomi Topluluğu Aylık Bildirimi.
DOI: 10.1093 / mnras / staa2498

Dr. Armstrong’un araştırması, Ernest Rutherford Bursu aracılığıyla Birleşik Krallık Araştırma ve İnovasyonun bir parçası olan Bilim ve Teknoloji Tesisleri Konseyi (STFC) tarafından desteklenmiştir.

ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.