Google

Translate blog

söndag 20 oktober 2024

En inblick i vintergatan med GAIA och maskininlärning

 


Bild https://www.esa. Gaia kartlägger Vintergatans stjärnor.

En grupp forskare under ledning från Leibniz Institute for Astrophysics Potsdam (AIP) och Institute of Cosmos Sciences vid University of Barcelona (ICCUB) har använt nya maskininlärningstekniker för att bearbeta data från 217 miljoner stjärnor som observerats under Gaia-uppdraget på ett extremt effektivt sätt vilket öppnar upp spännande möjligheter att kartlägga egenskaper som interstellär extinktion och metallicitet i Vintergatan och till att förstå stjärnpopulationer och strukturen i vår galax.

 Detta är den tredje omgången av den europeiska rymdorganisationen ESA:s rymduppdrag med Gaia där astronomer fått tillgång till förbättrade mätningar för 1,8 miljarder stjärnor vilket ger en enorm mängd data för forskning om Vintergatan. Att analysera en så stor datamängd på ett effektivt sätt innebar utmaningar.

I den nu publicerade studien utforskade forskarna användningen av maskininlärning för att uppskatta viktiga stjärnegenskaper med hjälp av Gaias spektrofotometriska data. Modellen tränades på högkvalitativa data från 8 miljoner stjärnor och uppnådde tillförlitliga förutsägelser med små osäkerheter.

– Den underliggande tekniken, som kallas extreme gradient-boosted trees, gör det möjligt att uppskatta exakta egenskaper hos stjärnor såsom temperatur, kemisk sammansättning och interstellär stoftförmörkelse med oöverträffad effektivitet.

Den utvecklade maskininlärningsmodellen, SHBoost, slutför sina uppgifter, inklusive modellträning och prediktion, inom fyra timmar på en enda GPU – en process som tidigare krävde två veckor och 3000 högpresterande processorer, beskriver Arman Khalatyan från AIP som var huvudförfattare till studien.

De publicerade sina resultat i Astronomy and Astrophysics.

Framtiden får visa vad för resultat man ytterligare kan få fram med denna slags Maskininlärningsmodell så kallade AI (artificiell intelligence) i framtiden.