「ジョンズホプキンスのこの論文は、時間と望遠鏡を超えて宇宙の発見の確率的カタログマッチングを加速させるデータサイエンスの役割を強調しています」

「ジョンズホプキンスの論文により、宇宙発見の確率的カタログマッチングを加速するデータサイエンスの重要性が浮かび上がる」

宇宙研究において、同じ星や銀河が異なる天空調査で見つかるかどうかという問題があります。現在の望遠鏡は、さまざまな種類の光を使用して、数千や数十億のオブジェクトについての大量のデータを収集します。しかし、異なる調査からのこのデータを結びつけることは非常に難しいです。

古い方法では多種多様なデータの大量処理が難しく、広大な天空のイメージをカバーする巨大な部分についての、同じ天体（星や銀河など）を2つの調査が見ているかどうかを判断することが困難でした。このため、科学者は異なる天空調査からの同じオブジェクトの測定値を組み合わせることができませんでした。

ジョンズ・ホプキンス大学の研究者達は、この問題を解決する新しい方法を考案しました。彼らは異なる天空調査からの観測対をスコアリングするインテリジェントなコンピュータプログラム（アルゴリズム）を作成しました。これらのスコアは、観測が同じオブジェクトである可能性を示しています。プログラムは、物体の位置、明るさ、色などを考慮して、それらが同じかどうかを判断します。

• データの観察可能性：AI時代の信頼性
• 「AIに関するアレン研究所の研究者らが、大規模なデータセット上での2段階のトレーニングプロセスによって開発された、新しい科学文書の埋め込みモデルであるSPECTER2を開発しました」
• 「PyTorchでのSoft Nearest Neighbor Lossの実装方法」

この方法は非常に正確であり、大量のデータとも非常に適合します。これにより、異なる方法で捉えられた場合でも、微かなオブジェクトと明るいオブジェクトの観測を結びつけることができます。プログラムは、数十億のデータエントリを含むカタログを見ることができ、天体の対応関係を見つけることができます。スコアはまた、対応関係が正しいかどうかを確認するのにも役立ちます。

このデータの結びつけ方は、データサイエンスの強みと宇宙測定に関する知識を活用しています。観測の不確実性を理解しながら、位置、明るさ、色などの事象の確率を考慮しています。これにより、異なる調査で同じものを見たときに、確実に言えるようになりました。

個々の星、銀河、その他の天体に関するデータを組み合わせることで、科学者はそれらの性質、位置、動き、時間の経過に関してさらに詳しく学ぶことができます。この方法では、紫外線、光学、赤外線、X線、ガンマ線、ラジオ波など、さまざまな種類の光からの測定値を結びつけることができます。これにより、さまざまな天文望遠鏡で捉えた独特な天体をより詳しく観察することができます。星の変動から大きなブラックホールまで、さまざまなものについての新たな発見の方法です。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!