ทีมนักวิจัยจากมหาวิทยาลัย University of Western Australia ได้พัฒนาระบบ deep learning ที่สามารถที่จะระบุกาแล็คซี่ต่างๆ ในอวกาศที่ลึกๆ ไกลๆ ได้แล้ว โดยระบบมีชื่อว่า ClaRAN ซึ่งเป็นระบบที่สามารถสแกนภาพที่ถ่ายโดยกล้องโทรทรรศน์วิทยุ (Radio Telescope) และระบุคลื่นกาแล็คซี่ที่มีปล่อยไอคลื่นวิทยุออกมาจากหลุมดำของพวกมันได้
ดร. Ivy Wong นักบินอวกาศจากมหาวิทยาลัย University of Western Australia และผู้เขียนงานวิจัยได้บอกว่าหลุมดำต่างๆ นั้นมักจะถูกพบที่จุดศูนย์กลางของกาแล็คซี่เป็นส่วนใหญ่ แต่ก็ไม่ทั้งหมด
“หลุมดำที่มีมวลมหาศาลเหล่านี้บางครั้งก็จะมีการพ่นไอบางอย่างออกมา ซึ่งเราจะสามารถมองเห็นมันได้จากภาพถ่ายจากกล้องโทรทรรศน์วิทยุ” คุณ Wong กล่าว “ในเวลาที่ผ่านมา ไอสามารถที่จะยืดเป็นระยะที่ยาวจากกาแล็คซี่ต้นทางของมัน จึงทำให้มันยากสำหรับการเขียนโปรแกรมคอมพิวเตอร์แบบดั้งเดิมในการค้นหาว่ากาแล็คซี่นั้นอยู่ที่ไหน นั่นคือสิ่งที่พวกเราได้พยายามที่จะสอนให้ ClaRAN ทำ”
โดยงานนี้ได้ใช้ระบบโครงข่าย Faster Region-based Convolutional Neural Network (Faster R-CNN) ซึ่งพัฒนาโดยนักวิจัยจาก Microsoft และ Facebook เป็นหลัก ซึ่งทีมกล่าวว่าโปรแกรมนั้นสามารถที่จะยกเครื่องและเทรนให้สามารถรู้จำกาแล็คซี่แทนคนได้อย่างสมบูรณ์
โดยทีมได้เทรนระบบโครงข่าย Convolutional Neural Network บนเฟรมเวิร์ก TensorFlow กับข้อมูลคู่ภาพของคลื่นวิทยุกับภาพอินฟราเรดที่จัดเรียงตามตำแหน่งพิกัดโลก (world coordinate system-aligned) จำนวนหลายพันคู่ ซึ่งโครงข่ายนั้นก็สามารถที่จะคัดแยก (classify) สิ่งเหล่านั้นว่าเป็น 1 ใน 6 คลาสรูปแบบ morphology ที่กำหนดไว้หรือไม่
ดร. Wong กล่าวว่าอัลกอริทึมคอมพิวเตอร์แบบดั้งเดิมนั้นสามารถระบุได้ประมาณ 90% ของแหล่งต้นทาง “นั่นแปลว่ายังคงมีอีก 10% หรือประมาณ 7 ล้านกาแล็คซี่ที่ยากต่อการค้นหาด้วยตาของคนเนื่องจากความซับซ้อนของโครงสร้างที่ขยายออกมาของพวกมัน” ดร. Wong อธิบาย
“ถ้าหากว่า ClaRAN สามารถลดจำนวน source ที่ต้องการการตัดสินใจด้วยการมองภาพลงไปให้เหลือเพียง 1% สิ่งนี้ก็หมายความว่าจะทำให้มีเวลาให้กับนักวิทยาศาสตร์ของพวกเราสามารถใช้เวลาในการมองหาชนิดกาแล็คซี่ใหม่ๆ ได้” เธอกล่าว
โดยนักวิจัยได้เผยแพร่โค้ดของ ClaRAN บน GitHub แล้ว
Source : https://news.developer.nvidia.com/ai-system-trained-to-recognize-galaxies/
