Obserwacje zostały przeprowadzone w promieniowaniu rentgenowskim z użyciem technik uczenia maszynowego. O szczegółach swoich dokonań sami zainteresowani piszą na łamach Monthly Notices of the Royal Astronomical Society.
Czytaj też: Zdarzenie 1 na 10 miliardów. Zaobserwowana kilonowa to astronomiczna perełka
Kluczem do sukcesu było wykorzystanie uczenia maszynowego, czyli rodzaju sztucznej inteligencji wykorzystującego ekspozycję na dane do szkolenia algorytmów. Astronomia jest jednym z beneficjentów takiego podejścia, ponieważ związani z nią naukowcy zazwyczaj muszą analizować ogromne ilości danych. Ich kompleksowe badanie oraz wyciąganie miarodajnych wniosków wymaga jednak odpowiednich zasobów obliczeniowych.
Łącznie obiektem analiz było około 277 tysięcy obiektów
Uczenie maszynowe w tym pomaga, co najlepiej widzimy na przykładzie przełomu z Indii. Tamtejsi naukowcy zidentyfikowali dokładnie 54 770 obiektów takich jak gwiazdy, aktywne jądra galaktyk, zmienne kataklizmiczne czy ultralekkie źródła rentgenowskie. Ich ręczne rozpoznawanie byłoby ogromnym wyzwaniem, dlatego techniki uczenia maszynowego są tak istotne.
Członkowie zespołu badawczego wykorzystali swoje podejście do analizy danych z zakresu promieniowania rentgenowskiego. Zostały one dostarczone przez teleskop Chandra i obejmowały około 277 000 obiektów. W wielu przypadkach ich natura pozostawała nieznana, dlatego dokonana identyfikacja była tak ważna.
Czytaj też: Najdokładniejsza mapa materii we Wszechświecie. Potwierdzają się nasze przypuszczenia
Przy okazji widzimy, jak wiele tajemnic czeka jeszcze na astronomów we wszechświecie. Przy jego ogromie możemy się spodziewać, że w kolejnych latach dojdzie do identyfikacji obiektów i zjawisk, które wcześniej wydawały się co najwyżej elementem znanym z filmów z gatunku science fiction. Dzięki sztucznej inteligencji pojawia się niedostępna wcześniej możliwość analizowania ogromnych ilości danych, co z perspektywy astronomii jest iście przełomowe. Tym bardziej, że sami badacze przyznają, iż proponowane przez nich podejście może być stosowane w odniesieniu do innych katalogów, nie tylko danych związanych z obserwatorium Chandra.
