هوش مصنوعی در خدمت شکار سیارات فراخورشیدی
![هوش مصنوعی در خدمت شکار سیارات فراخورشیدی](/wp-content/uploads/2023/07/d987d988d8b4-d985d8b5d986d988d8b9db8c-d8afd8b1-d8aed8afd985d8aa-d8b4daa9d8a7d8b1-d8b3db8cd8a7d8b1d8a7d8aa-d981d8b1d8a7d8aed988d8b1d8b4_64a568154243b-750x470.jpeg)
هوش مصنوعی در خدمت شکار سیارات فراخورشیدی
به گزارش gsxr و به نقل از اسپیس، برنامه موسوم به «چالش دادههای آریل ۲۰۲۳» که در روز ۱۴ آوریل آغاز به کار کرد، میتواند به هدایت هوش مصنوعی در کمک به تلسکوپ آریل آژانس فضایی اروپا در مأموریت خود و نیز به ما در درک بهتر مکان زمین در جهان کمک کند.
اینگو والدمن (یکی از بانیان چالش دادههای آریل و دانشیار اخترفیزیک کالج لندن) در بیانیهای گفت: «هوش مصنوعی در سالهای گذشته بسیاری از زمینههای علم و صنعت را متحول کرده است. حوزه سیارات فراخورشیدی بهطور کامل وارد عصر کلاندادهها شده و برای شکستن برخی از بزرگترین گلوگاههایی که ما را عقب نگه میدارند، به هوش مصنوعی پیشرفته نیاز داریم».
گفتنی است آریل که قرار است در سال ۲۰۲۹ به فضا پرتاب شود، یکی از بزرگترین بررسیهای سیارات فراخورشیدی را انجام خواهد داد و جوّ هزار سیاره شناخته شده در خارج از منظومه شمسی را واکاوی خواهد کرد. این تعداد زیاد مشاهدات، نشاندهنده حدود یک ششم از کل ۶ هزار سیاره شناخته شده در فهرست سیارات فراخورشیدی است و کمک هوش مصنوعی و جامعه یادگیری ماشینی میتواند در تفسیر دادههای آریل حیاتی باشد.
تلسکوپ فضایی ESA با مطالعه نور ستاره میزبان یک سیاره فراخورشیدی پس از عبور از جو آن سیاره کار میکند. از آنجایی که عناصر شیمیایی نور را در طول موجهای تعیین شده جذب و ساطع میکنند، نگاه کردن به طیف ستارهها پس از عبور از اتمسفر سیارات فراخورشیدی میتواند نشان دهد که جوّ سیاره از چه چیزی تشکیل شده است. این امر به نوبه خود میتواند نشان دهد که سیاره مورد بحث چگونه شکل گرفته و آیا آنها میتواند میزبان حیات باشد یا نه.
اما دانشمندانی که هدایت چالش دادههای آریل را برعهده دارند، برای تفسیر این دادهها و برای درک بهتر تأثیر پدیدههای مختلف جوّی بر طیف مشاهدهشده نور، نیازمند روش جدیدی هستند.
لازم به ذکر است که چهارمین چالش دادههای آریل، در پی رویدادهای پیشین در سالهای ۲۰۱۹٬ ۲۰۲۱ و ۲۰۲۲ در ۱۸ ژوئن ۲۰۲۳ میآید. این چالش از کارشناسان محاسباتی با استفاده از هر مدل، الگوریتم یا تکنیک پردازش داده میخواهد تا راهحلهایی برای این مسأله بیابند.
کارشناسان شرکتکننده نه تنها میتوانند راهحلهای بالقوه زیادی ارائه دهند، بلکه میتوانند به این چالش بپیوندند و با سایر تیمها نیز همکاری کنند. شرکتکنندگان در این چالش میتوانند از طریق DiRAC (بخشی از امکانات محاسباتی شورای تأسیسات علم و فناوری بریتانیا)، به منابع محاسباتی با توان بالا دسترسی پیدا کنند.
درخواست برای مشارکت در چالش دادههای آریل برای همگان آزاد است و از برندگان این چالش دعوت میشود تا راه حل خود را در کنفرانس برتر یادگیری ماشین و داده کاوی اروپا، کنفرانس اروپایی یادگیری ماشین (ECML) و اصول و تمرین کشف دانش در پایگاههای داده (PKDD) ارائه دهند. سه تیم برتر، در رویدادی که از دوشنبه ۱۸ سپتامبر تا جمعه ۲۲ سپتامبر ۲۰۲۳ در شهر تورین ایتالیا برگزار میشود، جایزه نقدی دریافت خواهند کرد.
کای هو (گوردون) ییپ (سرپرست چالش دادههای آریل و پژوهشگر فوقدکتری UCL) میگوید: « اخترشناسان با ورود ابزارهای نسل جدید، در تلاش هستند تا با پیچیدگی و حجم دادههای سیارهای فراسیارهای دریافتی همگام شوند. چالش داده ECML-PKDD ۲۰۲۳ یک پلتفرم عالی برای تسهیل راهحلهای میانرشتهای با کارشناسان هوش مصنوعی فراهم میکند».