Методы машинного обучения идентифицируют тысячи новых космических объектов

Астрономия вступает в новую эру, поскольку огромное количество астрономических данных от миллионов космических объектов становится свободно доступным. Это результат крупных опросов и запланированных наблюдений с использованием высококачественных астрономических обсерваторий, а также политики открытого доступа к данным.

Однако изучать данные со всех этих объектов вручную непрактично, и для извлечения информации из необходимы автоматизированные методы машинного обучения.

Команда астрономов применила методы машинного обучения к сотням тысяч космических объектов, наблюдаемых в рентгеновских лучах с помощью космической обсерватории Чандра в США. Это продемонстрировало, как новый и актуальный технологический прогресс может помочь и произвести революцию в фундаментальных научных исследованиях. Команда применила эти методы примерно к 277 000 рентгеновских объектов, природа большинства из которых была неизвестна.

Таким образом, это исследование привело к достоверному открытию многих тысяч космических объектов различных классов — таких как черные дыры, нейтронные звезды, белые карлики и звезды — что открыло астрономическому сообществу огромную возможность для дальнейшего детального изучения многих новых интересных объектов.

Это совместное исследование также было важно для создания современного потенциала по применению новых методов машинного обучения к фундаментальным исследованиям в астрономии, которые будут иметь решающее значение для научного использования данных нынешних и будущих обсерваторий.