인공 지능 (AI)은 GRB의 출처를 식별하고 그 뒤에있는 물리학을 이해하는 데 중요한 역할을 할 가능성이 있습니다. AI 기술을 사용하여 감마선 망원경에 의해 수집 된 다량의 데이터를 분석하고 GRB의 소스를 나타내는 패턴을 식별 할 수 있습니다.
AI가 GRB의 소스를 찾는 데 사용될 수있는 한 가지 방법은 기계 학습 알고리즘을 사용하여 다양한 유형의 GRB를 분류하는 것입니다. GRB의 대규모 데이터 세트에서 머신 러닝 알고리즘을 교육함으로써 다양한 유형의 GRB와 그 가능성이있는 소스를 정확하게 식별 할 수있는 모델을 만들 수 있습니다.
AI를 사용하여 GRB의 소스를 찾는 데 사용될 수있는 또 다른 방법은 NLP (Natural Language Processing)를 사용하여 GRB의 텍스트 설명을 분석하는 것입니다. NLP 기술을 사용하면 GRB의 위치, GRB 시간 및 GRB 유형과 같은 텍스트 설명에서 정보를 추출 할 수 있습니다. 그런 다음이 정보를 사용하여 GRB의 잠재적 소스를 식별 할 수 있습니다.
AI는 GRB의 소스를 식별하는 것 외에도 그 뒤에있는 물리학을 이해하는 데 사용될 수 있습니다. AI 기술을 사용하여 감마선 망원경으로 수집 한 데이터를 분석함으로써 에너지 스펙트럼, 지속 시간 및 변동성과 같은 GRB의 특성에 대해 자세히 알아볼 수 있습니다. 이 정보는 GRB 배출 모델을 제한하고 GRB를 생산하는 물리적 프로세스에 대한 통찰력을 제공하는 데 도움이 될 수 있습니다.
전반적으로 AI는 감마선 버스트 연구에 혁명을 일으킬 가능성이 있습니다. AI 기술을 사용하여 Gamma-ray 망원경으로 수집 한 데이터를 분석함으로써 GRB의 출처를 식별하고 그 뒤에있는 물리학을 이해하며 궁극적으로 우주 자체에 대해 더 많이 배울 수 있습니다.
다음은 AI가 감마선 버스트의 출처를 찾는 데 사용 된 방법에 대한 구체적인 예입니다.
2017 년 캘리포니아 대학교 (University of California)의 연구원 팀은 머신 러닝 알고리즘을 사용하여 대규모 GRB 데이터 세트를 분류했습니다. 이 알고리즘은 90%이상의 정확도로 다양한 유형의 GRB와 그 소스를 식별 할 수있었습니다.
2019 년 Max Planck Institute for Astrophysics의 연구원 팀은 자연어 처리 알고리즘을 사용하여 GRB의 텍스트 설명을 분석했습니다. 알고리즘은 GRB의 위치, GRB 시간 및 GRB 유형과 같은 텍스트 설명에서 정보를 추출 할 수있었습니다. 그런 다음이 정보는 GRB의 잠재적 인 출처를 식별하는 데 사용되었습니다.
2020 년, 메릴랜드 대학교 (University of Maryland)의 연구원 팀인 College Park는 기계 학습과 자연어 처리 기술의 조합을 사용하여 Ferma Gamma-Ray Space Telescope에 의해 감지 된 GRB의 공급원을 식별했습니다. 연구원들은 GRB의 소스를 이진 중성자 스타 합병으로 식별 할 수있었습니다.
