<\/p>\n\n\n\n
Interdisciplinarni istra\u017eiva\u010dki tim sa Univerziteta Cinghua razvio je model, nazvan ASTERIS (Astronomsko prostorno-vremensko pobolj\u0161anje i rekonstrukcija za sintezu slika), koriste\u0107i ra\u010dunarsku optiku i AI algoritme.<\/p>\n\n\n\n
Prema nalazima objavljenim u \u010dasopisu „Sajens“, model mo\u017ee da pomogne u izdvajanju izuzetno slabih astronomskih signala, identifikaciji galaksija udaljenih vi\u0161e od 13 milijardi svjetlosnih godina i generisanju najdubljih slika dubokog svemira ikada proizvedenih.<\/p>\n\n\n\n
Istra\u017eivanje udaljenih, slabih nebeskih objekata je klju\u010dno za razumijevanje porekla i evolucije univerzuma, prenosi kineski portal Global tajms.<\/p>\n\n\n\n
Me\u0111utim, astronomi se suo\u010davaju sa velikim izazovom \u010desto bivaju zaklonjeni \u0161umom neba u pozadini i toplotnim zra\u010denjem teleskopa.<\/p>\n\n\n\n
Studija pokazuje da primena tehnike „samonadgledanog prostorno-vremenskog uklanjanja \u0161uma“ modela na podatke sa svemirskog teleskopa D\u017eejms Veb (JWST) pro\u0161iruje pokrivenost posmatranja sa vidljive svjetlosti na oko 500 nanometara do srednjeg infracrvenog spektra na 5 mikrometara.<\/p>\n\n\n\n
Tako\u0111e pove\u0107ava dubinu detekcije za 1,0 magnitudu, efikasno omogu\u0107avaju\u0107i teleskopu da detektuje objekte 2,5 puta slabije nego \u0161to je ranije bilo mogu\u0107e.<\/p>\n\n\n\n
Koriste\u0107i model, tim je identifikovao vi\u0161e od 160 kandidata za galaksije sa visokim crvenim pomakom iz perioda „Kosmi\u010dka zora“, otprilike 200 do 500 miliona godina nakon Velikog praska, utrostru\u010duju\u0107i broj otkri\u0107a kori\u0161\u0107enjem prethodnih metoda, prema rije\u010dima Cai \u017denga, vanrednog profesora na Odeljenju za astronomiju na Univerzitetu Cinghua i \u010dlana istra\u017eiva\u010dkog tima.<\/p>\n\n\n\n
Istra\u017eiva\u010di su rekli da model vje\u0161ta\u010dke inteligencije mo\u017ee da dekodira ogromne koli\u010dine podataka svemirskog teleskopa i da je kompatibilan sa vi\u0161estrukim platformama za posmatranje, \u0161to mu daje potencijal da postane univerzalna platforma za pobolj\u0161anje podataka iz dubokog svemira.<\/p>\n\n\n\n
Tradicionalne tehnike smanjenja \u0161uma oslanjaju se na slaganje vi\u0161estrukih ekspozicija i pretpostavljaju da je \u0161um ujedna\u010den ili koreliran. U stvarnosti, \u0161um iz dubokog svemira varira i u vremenu i u prostoru. ASTERIS se bavi ovim rekonstrukcijom slika iz dubokog svemira kao 3D prostorno-vremenskog volumena.<\/p>\n\n\n\n
Kroz „fotometrijski adaptivni mehanizam skrininga“, model identifikuje suptilne fluktuacije \u0161uma i razlikuje ih od ultra-slabih signala udaljenih zvijezda i galaksija.<\/p>\n\n\n\n
Dai \u0106iongaj, profesor na Odjeljenju za automatizaciju Univerziteta Cinghua rekao je da se slabi nebeski objekti zaklonjeni svjetlosnim \u0161umom u astronomskim posmatranjima mogu rekonstruisati sa velikom vjerno\u0161\u0107u.<\/p>\n\n\n\n
Istra\u017eiva\u010di o\u010dekuju da \u0107e tehnologija biti primjenjena na teleskopima sljede\u0107e generacije kako bi pomogla u rje\u0161avanju glavnih nau\u010dnih pitanja koja se ti\u010du dekodiranja tamne energije, tamne materije, kosmi\u010dkog porijekla i egzoplaneta.<\/p>","protected":false},"excerpt":{"rendered":"
Kineski istra\u017eiva\u010di su razvili model vje\u0161ta\u010dke inteligencije (AI) za astronomsko snimanje koji zna\u010dajno pobolj\u0161ava sposobnost nau\u010dnika da zavire u najdublje dijelove kosmosa.<\/p>","protected":false},"author":4,"featured_media":906878,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[24],"tags":[7325,19689,19690],"naslovna":[],"class_list":["post-906877","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-zanimljivosti","tag-kineski-naucnici","tag-model-al","tag-podsticanje-istrazivanja-svemira"],"acf":[],"_links":{"self":[{"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/posts\/906877","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/comments?post=906877"}],"version-history":[{"count":1,"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/posts\/906877\/revisions"}],"predecessor-version":[{"id":910525,"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/posts\/906877\/revisions\/910525"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/media\/906878"}],"wp:attachment":[{"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/media?parent=906877"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/categories?post=906877"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/tags?post=906877"},{"taxonomy":"naslovna","embeddable":true,"href":"https:\/\/gradski.me\/en\/wp-json\/wp\/v2\/naslovna?post=906877"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}