망원경의 발명은 천문학 연구에서 가장 중요한 이정표이며, 밤하늘을 더 깊게 볼 수있는 능력으로 천문학 자들은 천문 현상에 대한 깊은 이해를 얻을 수있었습니다. 예를 들어, 행성 주변의 목성의 달을 관찰하면 갈릴레오가 지구가 태양 주위를 공전하고 있음을 이해하는 데 도움이되었습니다.
갈릴레오 시대 이후, 망원경은 크게 바뀌어 빛을 모으고 우주로 훨씬 더 깊이있는 능력을 향상 시켰습니다. 크기와 확대력 외에도 일부 현대 망원경은 다른 방식으로 바뀌 었습니다. 그들은 로봇으로 바뀌 었습니다. 이 로봇 망원경은 매일 밤 하늘을 자율적으로 스캔하여 수많은 천문에 대한 정보를 수집합니다. 예를 들어, SDSS (Sloan Digital Sky Survey)는 2000 년에 출시되었으며 전체 하늘의 35%를 다루어 5 억 명이 넘는 천문 대상에 대한 정보를 수집했습니다. 많은 정보처럼 보일지 모르지만 SDSS는 실제로 현재 제작중인 훨씬 강력한 망원경에 비해 작습니다. 예를 들어, 2022 년에 첫 번째 조명을 볼 것으로 예상되는 LSST (Large Synoptic Survey Telescope)는 3 일마다 SDS에 의해 수집 된 동일한 양의 정보를 수집합니다. 10 년 동안 운영 될 것으로 예상되며 세계 최대의 공개 데이터베이스를 생성 할 예정입니다.
이 새로운 천문학적 도구는 이전에는 불가능한 발견의 기회와 함께 우주를 관찰하는 완전히 새로운 방법을 제공합니다. 실제로, 우리는 기존의 로봇 망원경에 의해 생성 된 대형 데이터베이스 내부에 이미 PARIMANT 과학적 관심에 대한 많은 발견이 이미 숨겨져 있다고 매우 합리적으로 가정 할 수 있으며, 로봇 망원경이 더욱 강력 해짐에 따라 앞으로 더 많은 발견이 관찰 될 것입니다. 그러나 이러한 발견을하려면 먼저 이러한 데이터베이스를 분석 할 수 있어야합니다. 그것들은 너무 크기 때문에 수동 분석은 불가능하기 때문에 그 목적으로 컴퓨터와 인공 지능을 사용해야합니다.
우리가 기계를 사용할 수있는 가장 어려운 작업 중 하나는 천문학자가 관심이있는 특정 은하와 시각적으로 비슷한 은하의 자동 식별입니다. 천문학자가 드문 유형의 은하를 식별하면, 그것과 비슷한 은하를 더 많이 찾아서 연구하고 싶을 수도 있고, 여러 인스턴스를 관찰하고 비교하여 해당 은하 유형을 프로파일 할 수 있습니다. 예를 들어, 천문학자가 드문 은하 유형의 한 인스턴스를 가지고 있고 그 은하에서 특정 기능을 식별한다면, 그 특징이 그 은하 유형의 특징인지 또는 우연히 거기에 있었는지 알 수 없습니다. 그들이 비교할 수있는 많은 사례가 있다면, 희귀 한 은하 유형의 다른 사례에서도 그 기능이 반복적인지 확인할 수 있습니다. LSST와 같은 100 억 은하의 데이터베이스에서, 우리는 극도로 드문 1 백만 유형의 은하가 약 10,000 번 나타날 것이라고 가정 할 수 있습니다. 그러나 문제는 그것들을 찾는 것입니다. 100 억 은하의 데이터베이스에서 천문학자는 수동으로 검색 할 수 없으며 컴퓨터를 사용해야한다는 것이 분명합니다.
이를 위해 이러한 데이터베이스를 검색 할 수있는 기계 비전 알고리즘을 개발했습니다. 이 알고리즘은 Galaxy 이미지를 입력으로 취하고 Machine Vision을 사용하여 많은 은하들 사이에서 검색을 수행합니다. 알고리즘은 많은 은하를 통해 스캔하고 천문학자가 관심있는 은하와 가장 유사한 은하를 식별합니다. 또한 검색을 개선하기 위해 은하의 빛 측정 (광도계) 정보와 같은 다른 정보를 사용할 수 있습니다.
기계 비전 알고리즘은 여전히 완벽하지 않으므로 알고리즘은 종종 발견 된 은하계의 쿼리 갤럭시와 반드시 유사한 은하를 반환합니다. 그러나 일부 "노이즈"를 반환하더라도 데이터 크기는 원래 크기의 약 1000 배 줄입니다. 따라서 수동 검색에 훨씬 더 실용적입니다. 예를 들어, 2 백만 개의 이미지를 검색하는 대신 천문학자는 2 천 이미지를 검색해야하며, 이는 훨씬 실용적입니다. 이 알고리즘은 미래에 개선 될 것으로 예상되며, 더 정확해질 것으로 예상됩니다. 따라서 은하의 매우 큰 데이터베이스에 더 유용 할 것으로 예상됩니다.
