न्यूरल नेटवर्क ने टेलीस्कोप को इंसानों से अधिक कुशलता से नियंत्रित करना सीख लिया

नॉर्थवेस्टर्न यूनिवर्सिटी, शिकागो यूनिवर्सिटी और फर्मी नेशनल एक्सेलेरेटर लेबोरेटरी के विशेषज्ञों ने एक डीप लर्निंग सिस्टम विकसित और परीक्षण किया है जो मौसम और चंद्रमा के चरणों के आधार पर खगोलीय अवलोकनों के शेड्यूल की गणना और समायोजन वास्तविक समय में करता है। एल्गोरिदम को स्काई एआई (SkAI) इंस्टीट्यूट फॉर आर्टिफिशियल इंटेलिजेंस फॉर द स्काई के तहत चिली में सेरो-टोलोलो इंटर-अमेरिकन ऑब्जर्वेटरी में विक्टर ब्लैंको 4-मीटर टेलीस्कोप पर तैनात किया गया था। पहले, ऑपरेटरों को फ्रेम के ओवरएक्सपोज़र से बचने के लिए वायुमंडलीय पारदर्शिता और चांदनी को मैन्युअल रूप से ध्यान में रखना पड़ता था, और त्रुटि की स्थिति में, अवलोकन समय के लिए प्रतिस्पर्धा के कारण दोबारा सत्र महीनों के लिए स्थगित हो सकता था। शास्त्रीय नियमों के बजाय, डेवलपर्स ने रीइन्फोर्समेंट लर्निंग का उपयोग किया, डार्क एनर्जी सर्वे परियोजना के डेटा पर न्यूरल नेटवर्क को प्रशिक्षित किया। मॉडल ने मानव क्रियाओं का विश्लेषण किया और उन्हें संग्रहीत मौसम रिपोर्टों के साथ मिलान किया। DECam कैमरे पर दो परीक्षण रन के दौरान, एल्गोरिदम ने कुशल वैज्ञानिकों के बराबर प्रभावशीलता दिखाई। लेखक कोड को संशोधित करने की योजना बना रहे हैं ताकि सिस्टम गैर-मानक सर्वेक्षण प्रक्षेपवक्र खोज सके जिन्हें मनुष्य संज्ञानात्मक पूर्वाग्रहों के कारण अनदेखा करते हैं। स्वचालन से खगोलविदों को खोजों के विश्लेषण के लिए समय मिलेगा और भविष्य की वेधशालाओं, जिसमें वेरा रुबिन वेधशाला भी शामिल है, के संसाधनों का कुशलतापूर्वक आवंटन करने में मदद मिलेगी।