هوش مصنوعی برای کمک به مطالعه اولین تصاویر از تلسکوپ فضایی جیمز وب

دانشمندان سراسر جهان در حال آماده شدن برای مطالعه اولین تصاویر گرفته شده توسط تلسکوپ فضایی جیمز وب هستند که قرار است در 12 جولای منتشر شود.

برخی از اخترشناسان الگوریتم‌های یادگیری ماشینی را روی داده‌ها اجرا خواهند کرد تا کهکشان‌ها را در اعماق فضا در سطحی از جزئیات شناسایی و طبقه‌بندی کنند که قبلاً دیده نشده بود. برانت رابرتسون، استاد اخترفیزیک دانشگاه کالیفرنیا، سانتا کروز، در ایالات متحده معتقد است که عکس های تلسکوپ منجر به پیشرفت ها این به ما کمک می کند تا درک بهتری از چگونگی شکل گیری جهان در حدود 13.7 میلیارد سال پیش داشته باشیم.

او گفت: «داده‌های JWST هیجان‌انگیز هستند، زیرا پنجره‌ای بی‌سابقه در جهان فروسرخ به ما می‌دهد، با وضوحی که تا به حال فقط در مورد آن خواب دیده‌ایم». ثبت نام. رابرتسون به توسعه کمک کرد مورفوسیک مدل یادگیری ماشینی که آموزش داده شده است تا روی پیکسل ها منفذ کند و اجرام لکه ای شکل تار را از ورطه عمیق فضا تشخیص دهد و تعیین کند که آیا این ساختارها کهکشانی هستند یا نه، و اگر چنین است، از چه نوع هستند.

این نرم افزار به عنوان بخشی از برنامه COSMOS-Webb، بزرگترین و جاه طلبانه ترین پروژه ای که تلسکوپ در سال اول خود انجام خواهد داد، استفاده خواهد شد. رابرتسون و تیمی متشکل از 50 محقق نیم میلیون کهکشان را از قسمتی از آسمان بررسی خواهند کرد. آن‌ها به دنبال قدیمی‌ترین کهکشان‌های کاملاً تکامل‌یافته خواهند بود تا بررسی کنند که چگونه ماده تاریک در طول زمان تکامل یافته است، زیرا این ساختارها میزبان ستاره‌ها بودند و از نرم‌افزار برای خودکارسازی این فرآیند استفاده می‌کنند.

رابرتسون و همکارانش Morpheus را برای انطباق با داده های JWST به روز کرده اند. ما اکنون روش‌های توجهی را ادغام کرده‌ایم که امکان طبقه‌بندی مناطق بزرگ‌تری از تصاویر را در یک زمان فراهم می‌کند، که منجر به افزایش سرعت تقریباً یک ضریب می‌شود. Morpheus جدیدتر می تواند تصاویر بزرگتر را سریعتر و قابل اعتمادتر از قبل طبقه بندی کند.

او توضیح داد که آخرین نسخه این نرم افزار دارای قابلیت های پردازش تصویر جدید نیز می باشد، مانند ترکیب کردن که می تواند اجرام نجومی را که به نظر می رسد در آسمان همپوشانی دارند، جدا کند. 

این توانایی‌ها مفید خواهند بود زیرا JWST نمای وسیع‌تر و عمیق‌تری از جهان را نسبت به قبل ارائه می‌دهد و هر تصویر شامل ساختارهای بیشتری است که نمی‌توان به صورت دستی با چشم غیر مسلح مطالعه کرد. مورفیوس در ابتدا بر روی 7,600 تصویر کهکشانی که توسط تلسکوپ فضایی هابل ناسا گرفته شده بود آموزش دیده بود و رابرتسون معتقد است که برای انطباق بهتر با داده های JWST باید دوباره آموزش ببیند.

او به ما گفت: «ما سعی خواهیم کرد که Morpheus را همانطور که در داده‌های JWST بدون آموزش مجدد اعمال کنیم، و عملکرد اجرام را در مناطقی از آسمان که داده‌های هابل و JWST در آن‌ها وجود دارد، بررسی کنیم.

با توجه به اینکه داده‌های JWST قرمزتر هستند، در طیف وسیع‌تری از طول‌موج‌ها گسترش می‌یابند، احتمالاً ما نیاز به آموزش مجدد Morpheus بر اساس داده‌های JWST خواهیم داشت، و عملکرد پخش نقطه‌ای - اساساً آنچه یک ستاره از طریق اپتیک تلسکوپ به نظر می‌رسد - با هابل متفاوت است.

Morpheus بر روی ابررایانه UC Santa Cruz اجرا خواهد شد لوکساست که مسلح با 80 گره محاسباتی فقط CPU که هر کدام شامل دو پردازنده 20 هسته ای اینتل Cascade Lake Xeon و 28 گره فقط GPU حاوی دو پردازنده گرافیکی Nvidia V100 هستند. رابرتسون گفت: «هنگامی که داده‌ها در دسترس هستند، اجرای Morpheus روی تمام تصاویر JWST تنها چند روز طول می‌کشد. 

این تلسکوپ ده میلیارد دلاری که مدت ها منتظرش بودیم، سرانجام پس از تاخیرهای مکرر در روز کریسمس سال گذشته به فضا پرتاب شد. کنترل زمینی قبل از اینکه دستگاه شروع به شناسایی آن کند، ماه ها را صرف تراز کردن سیستم پیچیده 18 آینه ای خود کرد اولین فوتون ها در ماه فوریه ®