АСТРОНОМИЯ ЖӘНЕ АСТРОФИЗИКА САЛАЛАРЫНДА МАШИНАМЕН ОҚЫТУДЫ ҚОЛДАНУ БОЙЫНША ШОЛУ

Аннотация

Методы машинного обучения используются для предсказания красных смещений галактик. Астрономы пытаются классифицировать далекие галактики и измерять их красное смещение, используя высокочастотные разрешенные спектры, то есть точные наблюдения деталей спектральных линий. В настоящее время машинное обучение широко используется в фундаментальных задачах внегалактической астрономии и наблюдательной космологии, позволяя создавать крупномасштабные карты распределения астрономических объектов во Вселенной. Цель этой статьи — предоставить обзор основных методов машинного обучения в астрономии и астрофизике. В целом, существует два основных метода машинного обучения: с учителем и без учителя. Метод контролируемого (с учителем) обучения часто используется в астрономии. Используя контролируемое машинное обучение, появляется возможность прогнозировать физические характеристики астрономических объектов на основе обзоров фотометрических данных неба. Это стандартный инструмент астрономов для определения фотометрического красного смещения (photo-z) внегалактических объектов, классификации сверхновых типа Ia, квазаров особого типа и использования алгоритмов машинного обучения для идентификации объектов в ПЗС-кадре. Кроме того, оптические двойные системы можно обнаружить с помощью астрометрических каталогов с использованием искусственного интеллекта. Среди подходов машинного обучения с учителем в астрономии часто используются искусственные нейронные сети (ИНС) или алгоритмы, основанные на так называемом методе “дерево решений”. В последнее время методы опорных векторов и k-ближайших соседей стали более популярными из-за увеличения мощности процессоров. В статье описаны актуальные направления в астрономии и астрофизике где используются машинное обучения для студентов и магистрантов высших учебных заведений (ВУЗов).