علماء صينيون يطورون نموذجًا عصبيًا متعدد الوسائط لتصنيف الأجرام السماوية بدقة عالية دون الحاجة لملاحظات الطيف

في مجال الدراسات الفلكية الحديثة، يعد التعرف الدقيق على أنواع الأجرام السماوية من الركائز الأساسية لفهم بنية الكون وتطور المجرات وتوزيع المادة المظلمة. نظرًا للاختلافات الكبيرة في آليات الإشعاع بين الأجرام السماوية المختلفة، يعتمد علماء الفلك بشكل كبير على الملاحظات الطيفية لتصنيفها. ومع ذلك، فإن الحصول على بيانات طيفية يتطلب استهلاكًا كبيرًا للموارد الملاحظة، وهو أمر غير عملي في المسوحات الفلكية الواسعة التي تغطي مساحات شاسعة من السماء. لهذا السبب، يفتقر معظم الأجرام السماوية إلى البيانات الطيفية، مما يحد من قدرة المجتمع العلمي على إجراء دراسات نظامية لكائنات الكون العديدة. بديلًا عن ذلك، يمكن للصور الفلكية تغطية المجال المرصود بشكل كامل في وقت قصير، بالإضافة إلى اكتشاف أجرام سماوية أغمض من تلك التي يمكن رصدها عبر الملاحظات الطيفية. كما توفر البيانات الفوتوغرافية طيفًا طيفيًا متعدد الأطوال الموجية (SED)، الذي يساعد في فهم آليات الإشعاع وكشف المعلومات الشكلية للأجرام السماوية، مما يضيف بعدًا آخر للتصنيف. ومع ذلك، فإن الاعتماد فقط على الخصائص الشكلية أو طيف SED للتصنيف قد يؤدي إلى عدم اليقين. فعلى سبيل المثال، قد يبدو الأجرام السماوية ذات الانزياح الأحمر العالي والنجوم كمصدر نقطة في الصور، مما يجعلها صعبة التمييز. كما يمكن أن تظهر أنواع مختلفة من الأجرام السماوية في الفضاء اللوني بشكل متداخل، مما يزيد من احتمالية حدوث أخطاء في التصنيف. لحل هذه المشكلات، قام فريق من الباحثين برئاسة الدكتور فنغ هايتشينغ من مرصد يوننان الفلكي التابع لأكاديمية العلوم الصينية، بالتعاون مع الدكتور لي روي من جامعة تشجيانغ والإستاذ نيكولا ر. نابوليتابو من جامعة فيديريكو الثاني في نابولي بإيطاليا، بتطوير نموذج شبكة عصبية متعددة الأوضاع. هذا النموذج يقوم بتقسيم الأجرام السماوية مثل النجوم والكواكب والمجرات بنجاح باستخدام تقنيات التعلم العميق، مما يجمع بين الخصائص الشكلية وبيانات SED، لتحقيق تصنيف دقيق بشكل استثنائي. تم تطبيق هذه الطريقة على البيانات الصادرة في الإصدار الخامس من مشروع مسح الدرجة الأولى ألف درجة مربعة لمرصد الجنوب الأوروبي (KiDS). هذا المسح شمل مساحة تقدر بـ 1350 درجة مربعة من السماء، وأدى إلى تصنيف أكثر من 27 مليون جرم سماوي في نطاق الزمرد الساطع "r" والذي يبلغ شدة بريقه 23 رتبة سطوعية. تعتبر هذه الدراسة ذات قيمة كبيرة لمشاريع المسوحات المتعددة الأطوال الموجية على نطاق واسع مثل تلسكوب مسح الفضاء الصيني القادم. مع بدء هذه المشاريع، من المتوقع أن تنتج مليارات من بيانات الملاحظات للأجرام السماوية. مقارنة بالطرق التقليدية للتصنيف، ستقدم طريقة التعلم العميق المتعددة الأوضاع دعمًا تقنيًا قويًا للتصنيف السريع والآلي والدقيق للأجرام السماوية. يعتزم الفريق توسيع نطاق تكيف النموذج واستخدامه في معالجة بيانات المسوحات الأشمل. ستساهم هذه الجهود في تسريع تحول معالجة البيانات الفلكية من الاعتماد على الكمية إلى الذكاء، مما يعزز بناء قواعد بيانات فلكية عالية الجودة وكشف قواعد تطور الكون. تم نشر نتائج البحث مؤخرًا في مجلة "The Astrophysical Journal Supplement Series" تحت عنوان "Morpho-photometric Classification of KiDS DR5 Sources Based on Neural Networks: A Comprehensive Star–Quasar–Galaxy Catalog". وقد حظيت الدراسة بدعم من اللجنة الوطنية للعلوم الطبيعية الصينية ووزارة العلوم والتكنولوجيا والحكومة الإقليمية لإقليم يونان وبعثة الطيران المأهول الصينية.