Mesterséges intelligenciával kutatják a csillag- és bolygókeletkezés folyamatát a CSFK-kutatói

Egy új nemzetközi kutatási programban az ELKH Csillagászati és Földtudományi Kutatóközpont (CSFK) munkatársai a Bécsi Egyetem és a Genfi Egyetem kutatóival közösen, a mesterséges intelligencia felhasználásával tesznek kísérletet arra, hogy újraértelmezzék a fiatal csillagok osztályozását, valamint a csillag- és bolygófejlődés korai szakaszait.

    
Az elmúlt évtizedekben a csillagászok számára is egyre több adat vált elérhetővé, és ez az adatmennyiség mára olyan nagy mértékűre nőtt, hogy hétköznapi módszerekkel már kezelhetetlen, így szükségessé vált a "big data", a "machine learning" és a "deep learning" módszerek alkalmazása a csillagászatban is - írják.    
    

Az arcfelismerés esetében a különböző algoritmusok magát az arcot fordítják le a matematika nyelvére, azaz számokra, amik megadják például az arc bal és jobb széle közötti, valamint az állcsúcs és a fejtető közötti távolságot, illetve ezek arányát, a szemek távolságát a fültől. "A csillagászatban használt minták is hasonlók a matematika nyelvén, azonban ezek a csillagok olyan mérhető jellemzőiből adódnak, mint például a különböző hullámhosszokon kibocsátott fényességük, ezek aránya, a bennük fellelhető kémiai elemek vagy a környezetük jellegzetességei.


A fiatal csillagok például olyan környezetben találhatók meg, ahol sok a csillagközi por és gáz, hiszen ezekből alakultak ki nem is olyan régen, persze kozmikus időskálán mérve az időt" - magyarázza a közleményben Marton Gábor, a CSFK Konkoly Thege Miklós Csillagászati Intézet tudományos munkatársa, a NEMESIS projekt hazai koordinátora.
    

A közleményben felidézik, hogy a csillagkeletkezés különböző szakaszainak rendszerszintű osztályozása csak az 1980-as években vált lehetővé, az első infravörös megfigyeléseknek és elméleti számításoknak köszönhetően. Ma - több mint 25 évvel azután, hogy a fiatal csillagok besorolását először értelmezték egymással összefüggő fejlődési környezetben - már lényegesen több, újabb és jobb adat áll rendelkezésre. Emellett a kutatóknak jóval fejlettebb számítási eszközei és módszerei vannak, amelyek segítségével újraértékelhetik a kezdeti feltevéseket, és új szempontokat, feltételrendszereket határozhatnak meg.
    

"A legfrissebb bizonyítékok szerint a bolygók a csillagok kialakulásával egy időben elkezdenek formálódni, vagyis a csillag- és a bolygófejlődés nem két egymást követő szakasz, hanem gyorsan, egy időben zajló esemény. A fiatal csillagok mindenre kiterjedő paramétereinek meghatározásában nagy segítséget nyújtott a csillagok sugárzásának hullámhossza alapján működő osztályozás, azonban nagy benne a bizonytalansági tényező a konkrét fejlődési időskálákat illetően.


A kutatás során újraértelmezzük a jelenlegi klasszifikációs sémát és a jellegzetes, kiugró időskálákat. Felügyelt és felügyelet nélküli gépi tanulási módszerekkel fogjuk feldolgozni az elérhető adatokat annak érdekében, hogy választ tudjunk adni a csillag- és bolygókeletkezés legaktuálisabb kérdéseire" - számol be a projektről Odysseas Dionatos, a Bécsi Egyetem kutatója, a konzorcium koordinátora.
    

Az egyik oka, hogy most vált aktuálissá a kutatás, hogy sokáig hiányzott a nagyskálájú optikai-infravörös égboltfelmérés. "Az elmúlt évtizedben ez megváltozott, az olyan teljes égboltfelméréseknek köszönhetően, mint amilyen a Gaia, a 2MASS vagy a WISE projekt. A különböző fejlődési időskálák leírásához populációs statisztikákra van szükség, amihez elengedhetetlen fontosságú a nagy elemszámú minta.


A Gaia űrtávcső az eddigi működése során 1,8 milliárd objektumot detektált, amelyek között nagy számban fordulhatnak elő fiatal csillagjelöltek" - magyarázza Marc Audard, a Genfi Egyetem munkatársa. A NEMESIS projekt 2021 márciusában indult, és az elkövetkező 4 évre több mint 1,6 millió euró (közel 576 millió forint) összegű támogatást nyert el, melyből a hazai kutatásra 407 384 euró (csaknem 147 millió forint) fordítható.


(Forrás: MTI)