Carolina
Проверенные
- Сообщения
- 2 242
- Репутация
- 4 578
- Баллы
- 113
Репутация:
Нейросеть определит состав атмосфер экзопланет
Ученый из Университетского колледжа в Лондоне создал нейросеть, которая поможет определить атмосферный состав экзопланет. Разработка будет представлена на Национальном астрономическом собрании в Ноттингеме, статья ученых ранее была опубликована The Astrophysical Journal.
Ученый из Университетского колледжа в Лондоне создал нейросеть, которая поможет определить атмосферный состав экзопланет. Разработка будет представлена на Национальном астрономическом собрании в Ноттингеме, статья ученых ранее была опубликована The Astrophysical Journal.
Задача нейросети RobERt (Robotic Exoplanet Recognition) будет состоять в том, чтобы отфильтровывать данные об излучении, которое исходит от далеких планетных систем, и по спектру получать информацию о газах, находящихся в атмосфере планеты.
Нейросеть относится к классу глубоких сетей доверия DBN и состоит из трех скрытых слоев (скрытые слои находятся между входным и выходным слоем) — на первый слой из 500 нейронов, подается входная информация, которую он отфильтровывает и передает на следующий слой. Второй слой из 200 нейронов дополнительно уточняет данные и передает их на последний слой, который уже окончательно определяет, какие газы присутствуют в атмосфере планеты.
Для обучения RobERt астрофизик использовал 85750 смоделированных спектров, которые наблюдались на пяти типах экзопланет, таких как GJ1214b (потенциальная планета-океан) или WASP-12 (один из самых горячих юпитеров). Каждый спектр содержал следы присутствия одного вида газа, например, H2O или CH4, и нейросеть должна была определить, какой именно это был газ.
Нейросети удалось добиться точности распознавания в 99,7 процентов. «RobERt научился учитывать такие факторы, как шум, ограниченные диапазоны длин волн и смеси газов. Он может определять такие компоненты, как вода и метан, в атмосфере со смешанным составом с высокой вероятностью, даже если входные данные состоят из ограниченного диапазона волн», — комментирует автор работы.
Кроме того, RobERt может работать аналогично алгоритму Deep Dream «в обратную сторону», самостоятельно генерируя спектры, которые могут соответствовать тому или иному газу. По словам ученого, это может быть полезно, когда нужно определить присутствие газов при неполной информации. В таких случаях искусственный интеллект сможет заполнить пробелы.
Нейросеть относится к классу глубоких сетей доверия DBN и состоит из трех скрытых слоев (скрытые слои находятся между входным и выходным слоем) — на первый слой из 500 нейронов, подается входная информация, которую он отфильтровывает и передает на следующий слой. Второй слой из 200 нейронов дополнительно уточняет данные и передает их на последний слой, который уже окончательно определяет, какие газы присутствуют в атмосфере планеты.
Для обучения RobERt астрофизик использовал 85750 смоделированных спектров, которые наблюдались на пяти типах экзопланет, таких как GJ1214b (потенциальная планета-океан) или WASP-12 (один из самых горячих юпитеров). Каждый спектр содержал следы присутствия одного вида газа, например, H2O или CH4, и нейросеть должна была определить, какой именно это был газ.
Нейросети удалось добиться точности распознавания в 99,7 процентов. «RobERt научился учитывать такие факторы, как шум, ограниченные диапазоны длин волн и смеси газов. Он может определять такие компоненты, как вода и метан, в атмосфере со смешанным составом с высокой вероятностью, даже если входные данные состоят из ограниченного диапазона волн», — комментирует автор работы.
Кроме того, RobERt может работать аналогично алгоритму Deep Dream «в обратную сторону», самостоятельно генерируя спектры, которые могут соответствовать тому или иному газу. По словам ученого, это может быть полезно, когда нужно определить присутствие газов при неполной информации. В таких случаях искусственный интеллект сможет заполнить пробелы.
Последнее редактирование модератором: