به گزارش سافت گذر، در ماه سپتامبر سال گذشته، محققان از تکنولوژی یادگیری عمیق استفاده کردند تا سیاهچالهها را شناسایی کنند. حالا همان تکنولوژی به کار گرفته شده تا منظومههای فضایی دستهبندی شوند.
در یک مقاله با عنوان "استفاده از یادگیری عمیق به منظور دستهبندی کهکشانها"، محققان دانشگاه ایلیون و آزمایشگاه ملی آرگون، قدرت شبکههای نورونی و هوش مصنوعی در زمینه ساخت مدلهای مخصوص جهت تشخیص منظومههای مختلف را نشان داده و عنوان کردند که این مدلها میتوانند مشخص کنند که یک منظومه چرخشی است یا بیضی شکل. این تحقیق کمک خواهد کرد که پرسشهای آتی در مورد کره زمین پاسخ داده شود و اطلاعات مهمی پیرامون سن منظومهها، ماهیت سیاهچالهها و سرعت توسعه منظومهها در اختیار ما قرار گیرد.
محققان ابتدا از شیوه یادگیری انتقالی Xception که تصویری جامع از مدلهای منظومههای موجود در فضا میباشد، استفاده کردند. در ادامه نیز بیش از 35000 عکس از منظومهها به کار رفت تا شبکههای نورونی در عرض 8 دقیقه آموزش داده شوند.
نتیجه اینگونه شد که با استفاده از پردازنده گرافیکی NVIDIA V100 Tensor Core، تیم محققان توانست 10000 منظومه را در کمتر از 30 ثانیه مشخص کند. دقت این مدل یادگیری عمیق تقریباً 99.8 درصد بود. این اتفاق دستآورد مهمی در مقایسه با شبکههای نورونی بدون تکنولوژی یادگیری انتقالی به شمار میرود. اسد خان، یکی از محققان این تیم میگوید:«« ما از این مدل نورونی یا نسخههای آتی آن میتوانیم استفاده کنیم تا 300 میلیون منظومه را شناسایی نماییم. با به کارگیری پردازنده گرافیکی هم دستهبندی تصاویر به ثبت رسیده در کسری از ثانیه امکانپذیر خواهد بود»».
این پروژه تحقیقاتی برای اولین بار نشان داد که تکنولوژی یادگیری عمیق میتواند در دستهبندی منظومهها نقش داشته باشد. همچنین، این پروژه یکی از شش موردی بود که در کنفرانس بینالمللی SC19 معرفی شده بود.
این تیم در تلاش است تا در آینده نشان دهد چگونه سرخگرایی بر شکلگیری منظومهها تأثیرگذار بوده است.
منبع: neowin.net