企业概况

您所在位置:首页 > 企业概况 > 正文

人工智能机器人训练识别星系

文章作者:www.cs-vaccine.com发布时间:2019-12-21浏览次数:749

研究人员已经教授了一个人工智能程序来识别Facebook上的人脸,从而识别深空中的星系。结果是由一个叫克拉兰的人工智能机器人扫描射电望远镜拍摄的图像。它的任务是发现射电星系-强大的射电星系从中心的超大质量黑洞发射。Claran是来自西澳大利亚国际射电天文学研究中心(ICRR)的大数据专家陈武博士和天文学家黄长荣博士的智慧结晶。

0×251C

黄博士说,大多数星系(如果不是全部)的中心都有黑洞。她说:“这些超大质量的黑洞偶尔可以用射电望远镜观测到喷射。”随着时间的推移,喷流可以从主要星系延伸出很长的距离,使得传统的计算机程序变得困难。找出星系的位置。”这就是我们要教Claran做的事情。”吴博士说Claran是从微软的开源版本和Facebook的对象检测软件衍生而来的。

他说,该计划已经进行了彻底的改革和训练,以识别星系而不是人。Claran本身也是开源的,在Github上是公开的。王博士说,即将进行的EMU调查将使用基于西澳州的澳大利亚方阵探测器(ASKAP)望远镜,该望远镜有望观测到宇宙历史上多达7000万个星系。

她说,传统的计算机算法可以正确识别90%的来源。黄博士说:“由于其扩展结构的复杂性,人类必须观察到仍有10%或7百万'困难'的星系。”黄博士利用公民科学的力量通过无线电银河动物园项目发现星系。 “如果ClaRAN减少了需要在视觉上分类为百分之一的光源数量,这意味着我们的公民科学家有更多时间观察新的星系,”她说。由Galaxy动物园的志愿者制作的高度准确的目录用于训练ClaRAN如何发现喷气机的起源。

吴博士说,ClaRAN是一种名为“编程2.0”的新范例。 “你所做的是构建一个庞大的神经网络,给它提供大量数据,并让它弄清楚如何调整其内部连接以产生预期的结果,”他说。 “新一代程序员将99%的时间用于制作最佳数据集,然后训练AI算法以优化其余部分。 “这是编程的未来。

黄博士说,ClaRAN对望远镜观测的处理方式有很大的影响。 “如果我们可以开始为下一代调查实施这些更先进的方法,我们可以从中获得最大化的科学,”她说。 “使用40年前的新数据方法毫无意义,因为我们正试图进一步探索宇宙,而不是过去。”