機器學習在明星托兒所的研究上取得了突破
人工智能讓人們能夠看到以前遙不可及的天體物理現象。CNRS、IRAM、巴黎PSL天文臺、馬賽中央大學(Marseille Central University)和里爾中央大學(Lille Central University)的科學家在獵戶座-B項目中的共同努力就證明了這一點。在2020年11月19日"天文學和天體物理學"上發表的三篇論文中,他們對離地球最近的一個恒星形成區進行了最全面的觀測。
恒星誕生和演化的氣體云是物質非常豐富的廣袤區域,因此物理過程也非常豐富。所有這些過程都在不同的大小和時間框架內交織在一起,幾乎不可能完全理解如此優秀的托兒所。但獵戶座-B項目的科學家現在表明,統計和人工智能可以幫助打破仍然困擾著天體物理學家的障礙。
為了對離地球最近的恒星形成區域之一獵戶座分子云進行最詳細的分析,獵戶座-B小組包括了專門從事海量數據處理的科學家。這使得他們能夠開發基于統計學習和機器學習的新方法,研究在240000光頻率下對云的觀測。
這些工具基于人工智能算法,可以從大量數據中檢索新信息,比如獵戶座-B項目中使用的數據。這使得科學家能夠發現控制獵戶座分子云的一些特征。
例如,他們可以找到某些分子發出的光與以前無法得到的信息之間的關系,即云中氫和自由電子的數量,他們無需直視它們就可以計算它們。通過分析他們可以得到的所有數據,研究小組還能夠通過消除一定數量的不必要信息來進一步改進他們的觀測。
現在,獵戶座-B小組希望通過應用所獲得的估計和建議并在實際條件下加以驗證來測試這一理論工作。另一個主要的理論挑戰將是提取有關分子速度的信息,以便可視化物質的運動,以了解它如何在云中運動。