|
ИИ меняет то, как мы наблюдаем за звездами
|
|
|
|
Инструменты искусственного интеллекта меняют то, как мы наблюдаем за окружающим миром и даже за звездами за его пределами. Недавно международная команда доказала, что методы глубокого обучения и большие языковые модели могут помочь астрономам классифицировать звезды с высокой точностью и эффективностью. Их исследование "Глубокое обучение и методы, основанные на больших языковых моделях, применяемые для классификации кривых блеска звезд", было опубликовано 26 февраля в журнале Intelligent Computing.
|
|
|
|
Команда представила серию StarWhisper LightCurve, три модели искусственного интеллекта, и оценила их эффективность наряду с другими современными подходами. Все модели были обучены классифицировать переменные звезды по их кривым блеска с помощью автоматизированного глубокого обучения, которое позволяет автоматически оптимизировать ключевые факторы, такие как скорость обучения, размер пакета и сложность модели, сводя к минимуму необходимость ручной настройки.
|
|
|
|
Команда использовала данные для обучения, полученные в ходе миссий НАСА "Кеплер" и "К2", сосредоточив внимание на пяти основных типах переменных звезд. Для улучшения обобщения модели было также включено небольшое количество редких переменных звезд.
|
|
|
|
|
|
|
Всесторонняя оценка показывает высокую точность классификации основных типов переменных звезд в различных архитектурах искусственного интеллекта. Среди наиболее эффективных моделей модель Conv1D + BiLSTM - гибридный подход к глубокому обучению, сочетающий сверточные слои для извлечения признаков и рекуррентные слои для временных шаблонов — достигла точности 94%. Модель Swin Transformer, представляющая собой вариант популярной архитектуры transformer, первоначально разработанной для обработки естественного языка, обеспечивает точность 99%.
|
|
|
|
Примечательно, что трансформатор Swin продемонстрировал точность в 83% при идентификации звезд цефеид II типа, редкого класса пульсирующих звезд, которые составляют всего 0,02% от всего набора данных.
|
|
|
|
Хотя Swin Transformer обеспечивает впечатляющую точность, для преобразования данных о кривой блеска в изображения требуется дополнительная предварительная обработка. В отличие от этого, StarWhisper LightCurve обеспечивает точность почти 90% при минимальном ручном вмешательстве, что снижает необходимость в детальном проектировании характеристик. Такая эффективность не только упрощает обработку данных, но и открывает путь для параллельного анализа данных и развития многомодальных приложений искусственного интеллекта в астрономии.
|
|
|
|
Серия StarWhisper LightCurve состоит из трех специализированных больших языковых моделей, каждая из которых адаптирована к различным форматам астрономических данных:
|
|
|
|
- Большая языковая модель, построенная на Gemini 7B, для классификации кривых блеска в виде структурированного текста временных рядов.
|
|
- Многомодальная большая языковая модель, построенная на DeepSeek-VL-7B-Chat, для обработки представлений кривых блеска на основе изображений.
|
|
- Большая звуковая языковая модель, построенная на Qwen-Audio, для преобразования световых кривых в звуковые волны.
|
|
|
|
Серия световых кривых StarWhisper является частью более широкого проекта StarWhisper - большой языковой модели, разработанной для астрономии и обладающей широкими возможностями логического рассуждения и следования инструкциям.
|
|
|
|
Источник
|
