Categorías: Ciencia

Inteligencia artificial ayuda a los astrónomos a explorar el espacio profundo

Comparta este Artículo en:
FacebookFacebookTwitterTwitterEmailEmailWhatsAppWhatsAppShareShare

Los cúmulos de galaxias son algunas de las estructuras más masivas del cosmos, pero a pesar de tener millones de años luz de largo, aún pueden ser difíciles de detectar.

Investigadores han recurrido a la inteligencia artificial para obtener ayuda en la búsqueda de cúmulos de galaxias, desarrollando ‘Deep-CEE’ (Aprendizaje profundo para la extracción y evaluación de cúmulos de galaxias), una nueva técnica de aprendizaje profundo para acelerar el proceso de búsqueda.

Matthew Chan, estudiante de doctorado en la Universidad de Lancaster, presenta este trabajo en la reunión de Astronomía Nacional de la Royal Astronomical Society en la sesión de Aprendizaje automático en astrofísica.

La mayoría de las galaxias en el universo viven en entornos de baja densidad conocidos como “el campo” o en grupos pequeños, como el que contiene nuestra Vía Láctea y Andrómeda.

Los cúmulos de galaxias son más raros, pero representan los entornos más extremos en los que pueden vivir las galaxias y estudiarlos puede ayudarnos a comprender mejor la materia oscura y la energía oscura.

Durante la década de 1950, el pionero de la búsqueda de cúmulos de galaxias, el astrónomo George Abell, pasó muchos años buscando cúmulos de galaxias a ojo, usando una lupa y placas fotográficas para localizarlos.

Abell analizó manualmente alrededor de 2,000 placas fotográficas, buscando firmas visuales de los cúmulos de galaxias y detallando las coordenadas astronómicas de las regiones densas de galaxias.

Su trabajo dio como resultado el ‘catálogo de Abell’ de cúmulos de galaxias que se encuentran en el hemisferio norte.

Deep-CEE se basa en el enfoque de Abell para identificar cúmulos de galaxias, pero reemplaza al astrónomo con un modelo de IA que ha sido entrenado para “mirar” imágenes de color e identificar cúmulos de galaxias.

Es un modelo moderno basado en redes neuronales, diseñado para imitar la forma en que un cerebro humano aprende a reconocer objetos activando neuronas específicas al visualizar patrones y colores distintivos.

It helps to delay aging process naturally in males because of the presence of powerful herbal ingredients like viagra prices midwayfire.com Sudh Shilajit, Moti Bhasma, Kesar, Shatavari, and Safed Musli. The newer NSAIDs such as selective COX-2 inhibitors (Vioxx and Celebrex) have been connected with an increased risk of prolonged erections (priapism).* Decreased kidney function ( 5mg cialis price tablets are not suitable for starting treatment in people with kidney problems and should not be treated as such. So, what the treatment says? Don’t get baffled cipla viagra http://www.midwayfire.com/wp-content/uploads/2019/05/MFD-EMPLOYMENT-APPLICATION.pdf to have the capacity to make your partner happy with all sorts of relationships. On account of viagra 100mg for sale, the bland name is Sildenafil Citrate and levitra is the name and the fact that the generic version can be produced before buying the drug.

Chan entrenó a la IA al mostrarle repetidamente ejemplos de objetos conocidos, etiquetados, en imágenes hasta que el algoritmo puede aprender a asociar objetos por sí solo.

Luego realizó un estudio piloto para probar la capacidad del algoritmo para identificar y clasificar los grupos de galaxias en imágenes que contienen muchos otros objetos astronómicos.

“Hemos aplicado con éxito Deep-CEE a Sloan Digital Sky Survey”, dice Chan, “en última instancia, ejecutaremos nuestro modelo en estudios revolucionarios, como el telescopio de levantamiento sinóptico grande (LSST), que explorará más y más profundamente las regiones del Universo. nunca antes explorado

Los nuevos telescopios de vanguardia han permitido a los astrónomos observar de forma más amplia y profunda que nunca y estudiar la estructura a gran escala del universo y cartografiar su vasto contenido no descubierto.

Al automatizar el proceso de descubrimiento, los científicos pueden escanear rápidamente conjuntos de imágenes y devolver predicciones precisas con una interacción humana mínima.

Esto será esencial para analizar los datos en el futuro.

La próxima encuesta del cielo LSST (que estará disponible en línea en 2021) mostrará los cielos de todo el hemisferio sur, generando un estimado de 15 TB de datos cada noche.

“Las técnicas de extracción de datos, como el aprendizaje profundo, nos ayudarán a analizar los enormes resultados de los telescopios modernos”, dice el Dr. John Stott (supervisor de PhD de Chan).

“Esperamos que nuestro método encuentre miles de grupos nunca vistos por la ciencia”.

Fuente: ScienceDaily

Editor PDM

Entradas recientes

Convierten células de la piel directamente en neuronas para terapia celular

Científicos del MIT han desarrollado un método revolucionario para convertir células de la piel en…

20 hours hace

Crean sistema “inteligente” para prevenir futuros desastres de infraestructura

Cuando el puente Francis Scott Key en Baltimore, Maryland, se derrumbó el 26 de marzo…

20 hours hace

Desarrollan robot inspirado en un perro que funciona sin motores

Científicos de la Universidad Técnica de Delft y la Escuela Politécnica Federal de Lausana (EPFL)…

20 hours hace

Robot blando sin ruedas se mueve con fiabilidad en todas las direcciones

En las últimas décadas, los expertos en robótica han introducido una amplia gama de sistemas…

20 hours hace

Los cálculos requieren tiempo y memoria, han encontrando nuevas maneras de reducir la necesidad de esta última

El tiempo y el espacio son temas frecuentes de debate para los cosmólogos, especialmente para…

20 hours hace

Nervio artificial con diseño de transistor orgánico prometedor para interfaces cerebro-máquina

En los últimos años, muchos ingenieros han intentado desarrollar componentes de hardware que puedan emular…

2 days hace
Click to listen highlighted text!