葡萄牙天体物理学家已经训练人工智能自动识别数百万颗遥远恒星图像中的星系、恒星和类星体。
天文图像中空间物体的分类并不像看起来那么简单。在很远的地方，它们看起来像微弱的，通常是模糊的光点。看着它们，通常很难说出我们在处理什么——恒星或星系、超新星或类星体。与此同时，近几十年来进行的大规模天空调查收集了需要进行此类分析的大量图像。用传统的方法来执行它太难太长了。
因此，来自葡萄牙的科学家决定将任务自动化并为此使用人工智能。天体物理与空间科学研究所 (IA) 的佩德罗·库尼亚和安德鲁·汉弗莱开发了 SHEEP 模型，该模型可以快速准确地对望远镜图像中的遥远空间物体进行分类。他们在《天文学与天体物理学》杂志上发表的一篇文章中提供了该项目的详细信息。
SHEEP 是一种强化学习模型，它使用空间物体的光谱和坐标，并确定光度红移以更准确地对其进行分类。红移与坐标一起，允许系统估计源在空间中的大致位置，以便更好地识别它。例如，如果一个物体在银河系的平面内，它更有可能是一颗恒星，如果它在那个平面之外，它更有可能是一个遥远的星系。
为了展示 SHEEP 的工作，作者在其帮助下分析了广泛的调查数据库 SDSS（由地面仪器制作）和 WISE（由同名太空望远镜制作），其中包含大约三年半的光度数据百万遥远的来源。确定恒星的算法的准确性为 98.5%，星系 - 96.7%，类星体（年轻星系的活跃核） - 99%。
“通过允许人工智能包含有关空间源位置的数据，我们提高了它对这些源的性质做出正确决策的能力，”汉弗莱教授说。科学家们希望他们的系统能够帮助在不久的将来出现的庞大数据集中找到有趣的物体——特别是得益于新的欧空局欧几里得太空任务。该设备正准备在 2023 年发射，并将用于对遥远星系的红移进行超精确测量。
