تم تكريس الكثير من الاهتمام لتقنية التعلم الآلي المعروفة باسم "التعلم العميق" ، حيث تكون أجهزة الكمبيوتر قادرة على تمييز الأنماط في البيانات دون أن تتم برمجتها خصيصًا للقيام بذلك. في السنوات الأخيرة ، تم تطبيق هذه التقنية على عدد من التطبيقات ، والتي تشمل التعرف على الصوت والوجه لمنصات التواصل الاجتماعي مثل Facebook.
ومع ذلك ، يستفيد الفلكيون أيضًا من التعلم العميق الذي يساعدهم على تحليل صور المجرات وفهم كيفية تكوينها وتطورها. في دراسة جديدة ، استخدم فريق من الباحثين الدوليين خوارزمية التعلم العميق لتحليل صور المجرات من تلسكوب هابل الفضائي. أثبتت هذه الطريقة فعاليتها في تصنيف هذه المجرات بناءً على المرحلة التي كانت فيها في تطورها.
ظهرت الدراسة التي تحمل عنوان "التعلم العميق يحدد المجرات العالية في مرحلة الكتلة الزرقاء المركزية في نطاق الكتلة المميزة" ، وقد تم نشرها مؤخرًا عبر الإنترنت وتم قبولها للنشر في مجلة الفيزياء الفلكية. قاد الدراسة مارك هويرتس-شركة من جامعة باريس ديدرو وتضمنت أعضاء من جامعة كاليفورنيا سانتا كروز (UCSC) ، الجامعة العبرية ، معهد علوم تلسكوب الفضاء ، جامعة بنسلفانيا فيلادلفيا ، MINES ParisTech وجامعة شنغهاي نورمال (SNHU).
في الماضي ، قامت شركة Marc Huertas-Company بتطبيق أساليب التعلم العميق هابل بيانات من أجل تصنيف المجرات. بالتعاون مع David Koo و Joel Primack ، وكلاهما أستاذ فخري في UC Santa Cruz (وبدعم من Google) ، أمضى Huertas-Company والفريق الصيفين الماضيين في تطوير شبكة عصبية يمكنها تحديد المجرات في مراحل مختلفة في تطورهم.
قال كو في بيان صحفي صدر مؤخراً عن USCS: "كان هذا المشروع مجرد فكرة واحدة من عدة أفكار لدينا". "أردنا اختيار عملية يستطيع المنظرون تحديدها بشكل واضح بناءً على المحاكاة ، والتي لها علاقة بكيفية ظهور المجرة ، ثم ابحث عن خوارزمية التعلم العميق في الملاحظات. لقد بدأنا للتو في استكشاف هذه الطريقة الجديدة لإجراء البحث. إنها طريقة جديدة لدمج النظريات والملاحظات ".
من أجل دراستهم ، استخدم الباحثون المحاكاة الحاسوبية لتوليد صور وهمية للمجرات كما يبحثون في ملاحظات تلسكوب هابل الفضائي. تم استخدام الصور الوهمية لتدريب الشبكة العصبية للتعلم العميق للتعرف على ثلاث مراحل رئيسية لتطور المجرة تم تحديدها مسبقًا في المحاكاة. ثم استخدم الباحثون الشبكة لتحليل مجموعة كبيرة من صور هابل الفعلية.
كما هو الحال مع الصور السابقة التي تم تحليلها من قبل شركة Huertas-Company ، تعد هذه الصور جزءًا من مشروع المسح التراثي خارج المجرى العميق للأشعة تحت الحمراء (CANDELS) - أكبر مشروع في تاريخ تلسكوب هابل الفضائي. ما وجدوه هو أن تصنيفات الشبكة العصبية للمجرات المحاكاة والحقيقية كانت متسقة بشكل ملحوظ. كما أوضح جويل بريماك:
"لم نكن نتوقع أن تكون ناجحة إلى هذا الحد. أنا مندهش من مدى قوة هذا. نحن نعلم أن المحاكاة لها قيود ، لذلك لا نريد أن ندعي بشدة. لكننا لا نعتقد أن هذا مجرد حظ محظوظ ".
كان فريق البحث مهتمًا بشكل خاص بالمجرات التي تحتوي على منطقة صغيرة وكثيفة وتشكل النجوم تعرف باسم "الكتلة الزرقاء". تحدث هذه المناطق في وقت مبكر من تطور المجرات الغنية بالغاز ، عندما تتسبب تدفقات الغاز الكبيرة في مركز المجرة في تكوين النجوم الفتية التي تنبعث منها الضوء الأزرق. لمحاكاة هذه الأنواع وغيرها من المجرات ، اعتمد الفريق على محاكاة VELA الحديثة التي طورتها Primack وفريق دولي من المتعاونين.
في كل من بيانات المحاكاة والملاحظة ، وجد برنامج الكمبيوتر أن مرحلة "الكتلة الزرقاء" تحدث فقط في المجرات ذات الكتل داخل نطاق معين. وأعقب ذلك تكوين النجوم المنتهي في المنطقة الوسطى ، مما أدى إلى مرحلة "الكتلة الحمراء" المدمجة ، حيث تخرج النجوم في المنطقة الوسطى من مرحلة تسلسلها الرئيسية وتصبح عمالقة حمراء.
كان اتساق نطاق الكتلة مثيرًا لأنه أشار إلى أن الشبكة العصبية كانت تحدد نمطًا ناتجًا عن عملية فيزيائية رئيسية في المجرات الحقيقية - ودون الحاجة إلى إخبارها بذلك على وجه التحديد. كما أوضح كو ، فإن هذه الدراسة هي خطوة كبيرة إلى الأمام في علم الفلك والذكاء الاصطناعي ، ولكن لا يزال هناك الكثير من الأبحاث التي يجب القيام بها:
"لقد حققت محاكاة VELA نجاحًا كبيرًا من حيث مساعدتنا على فهم ملاحظات CANDELS. لا أحد لديه محاكاة مثالية ، على الرغم من ذلك. بينما نواصل هذا العمل ، سنستمر في تطوير محاكاة أفضل ".
على سبيل المثال ، لم تتضمن محاكاة الفريق الدور الذي لعبته Active Galactic Nuclei (AGN). في المجرات الأكبر ، يتم تراكم الغاز والغبار على ثقب أسود مركزي فائق (SMBH) في القلب ، مما يؤدي إلى طرد الغاز والإشعاع في الطائرات الضخمة. وقد أشارت بعض الدراسات الحديثة إلى كيفية تأثير ذلك على تكوين النجوم في المجرات.
ومع ذلك ، أظهرت ملاحظات المجرات البعيدة والصغيرة دليلاً على الظاهرة التي تمت ملاحظتها في محاكاة الفريق ، حيث تؤدي النوى الغنية بالغاز إلى مرحلة الكتلة الزرقاء. وفقا لكو ، فإن استخدام التعلم العميق لدراسة تطور المجرة لديه القدرة على الكشف عن جوانب بيانات الرصد التي لم يتم اكتشافها سابقًا. بدلاً من ملاحظة المجرات على أنها لقطات في الوقت المناسب ، سيتمكن علماء الفلك من محاكاة كيفية تطورها على مدى مليارات السنين.
وقال "التعلم العميق يبحث عن الأنماط ، ويمكن للآلة رؤية أنماط معقدة للغاية لدرجة أننا لا نراها نحن البشر". "نريد إجراء المزيد من الاختبارات لهذا النهج ، ولكن في دراسة إثبات المفهوم هذه ، يبدو أن الآلة وجدت بنجاح في البيانات المراحل المختلفة لتطور المجرة المحددة في المحاكاة".
في المستقبل ، سيكون لدى علماء الفلك المزيد من بيانات المراقبة لتحليلها بفضل نشر تلسكوبات الجيل التالي مثل تلسكوب المسح السينوبتي الكبير (LSST) ، تلسكوب جيمس ويب الفضائي (JWST) ، و تلسكوب المسح بالأشعة تحت الحمراء واسع المجال (أولًا). ستوفر هذه المقاريب مجموعات بيانات أكثر ضخامة ، والتي يمكن بعد ذلك تحليلها من خلال أساليب التعلم الآلي لتحديد الأنماط الموجودة.
علم الفلك والذكاء الاصطناعي ، يعملان معًا لتحسين فهمنا للكون. أتساءل عما إذا كان علينا أن نضعها في مهمة العثور على نظرية كل شيء (ToE) أيضًا!
