机器学习在明星托儿所的研究上取得了突破

人工智能让人们能够看到以前遥不可及的天体物理现象。CNRS、IRAM、巴黎PSL天文台、马赛中央大学(Marseille Central University)和里尔中央大学(Lille Central University)的科学家在猎户座-B项目中的共同努力就证明了这一点。在2020年11月19日"天文学和天体物理学"上发表的三篇论文中,他们对离地球最近的一个恒星形成区进行了最全面的观测。


恒星诞生和演化的气体云是物质非常丰富的广袤区域,因此物理过程也非常丰富。所有这些过程都在不同的大小和时间框架内交织在一起,几乎不可能完全理解如此优秀的托儿所。但猎户座-B项目的科学家现在表明,统计和人工智能可以帮助打破仍然困扰着天体物理学家的障碍。


1606125598504201.png


为了对离地球最近的恒星形成区域之一猎户座分子云进行最详细的分析,猎户座-B小组包括了专门从事海量数据处理的科学家。这使得他们能够开发基于统计学习和机器学习的新方法,研究在240000光频率下对云的观测。


这些工具基于人工智能算法,可以从大量数据中检索新信息,比如猎户座-B项目中使用的数据。这使得科学家能够发现控制猎户座分子云的一些特征。


例如,他们可以找到某些分子发出的光与以前无法得到的信息之间的关系,即云中氢和自由电子的数量,他们无需直视它们就可以计算它们。通过分析他们可以得到的所有数据,研究小组还能够通过消除一定数量的不必要信息来进一步改进他们的观测。


现在,猎户座-B小组希望通过应用所获得的估计和建议并在实际条件下加以验证来测试这一理论工作。另一个主要的理论挑战将是提取有关分子速度的信息,以便可视化物质的运动,以了解它如何在云中运动。

分享到:
0
【慎重声明】凡本站未注明来源为"每日资讯网"的所有作品,均转载、编译或摘编自其它媒体,转载、编译或摘编的目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如因作品内容、版权和其他问题需要同本网联系的,请在30日内进行!