I ricercatori dell’Università Metropolitana di Osaka utilizzano l’Intelligenza Artificiale (AI) per rivelare le aree di formazione stellare
La formazione stellare è un processo affascinante, ma difficile da studiare. I ricercatori della Graduate School of Science dell’Università Metropolitana di Osaka hanno recentemente utilizzato l’intelligenza artificiale per identificare le aree di formazione stellare nella Via Lattea.
Il team, guidato dal dott. Shinji Fujita, ha individuato circa 140.000 nubi molecolari, aree di formazione stellare, utilizzando dati raccolti dal radiotelescopio Nobeyama da 45 metri. Utilizzando l’Intelligenza Artificiale, il team è stato in grado di stimare la distanza di queste nubi molecolari e determinare le loro dimensioni e massa.
Il risultato è una mappa dettagliata delle nubi molecolari nella Via Lattea, che può essere utilizzata per studiare la formazione stellare. Questi risultati sono stati pubblicati nella Società astronomica del Giappone.
La formazione stellare avviene all’interno delle nubi di polvere presenti nella maggior parte delle galassie. Ma le nubi molecolari, essenziali per la formazione stellare, sono difficili da studiare perché sono invisibili all’occhio umano e le loro proprietà fisiche, come le dimensioni e la massa, sono difficili da determinare.
Utilizzando l’Intelligenza Artificiale, il team dell’Università Metropolitana di Osaka ha superato questo problema e ha creato una mappa dettagliata delle nubi molecolari nella Via Lattea. Questa mappa può essere utilizzata per studiare la formazione stellare, tracciando la storia e l’evoluzione della galassia.
La distanza cinematica è comunemente utilizzata per rappresentare la distanza da una nube molecolare, ma per la Galassia interna esistono due diverse soluzioni, la soluzione “Vicino” e la soluzione “Lontana”, che possono essere derivate simultaneamente. In questo articolo “Distance determination of molecular clouds in the first quadrant of the Galactic plane using deep learning: I. Method and results” si descrive come un modello di inferenza a due classi basato su una rete neurale convoluzionale (CNN) possa essere utilizzato per risolvere questo problema.
Lo studio si basa su un set di dati CO nel primo quadrante del piano galattico ottenuto con il radiotelescopio Nobeyama 45 m (l = 62°–10°, | b| < 1°). Nel nostro modello, hanno utilizzato la distribuzione tridimensionale (posizione-posizione-velocità) delle 12 emissioni di CO (J = 1–0) come input principale. Per addestrare il modello, hanno creato un set di dati annotato “Vicino” o “Lontano” dal catalogo della regione H II del satellite astronomico a infrarossi WISE. Grazie a questo, sono riusciti a costruire un modello CNN con un tasso di accuratezza del 76% sul set di dati di addestramento. Utilizzando il modello proposto, hanno determinato la distanza dalle nubi molecolari identificate dall’algoritmo CLUMPFIND.
E’ stato scoperto che la massa delle nubi molecolari con una distanza inferiore a 8,15 kpc segue una distribuzione della legge di potenza con un indice di circa -2,3 nell’intervallo di massa M > 10 3 M ⊙ . Inoltre, hanno potuto determinare la distribuzione dettagliata del gas molecolare della Galassia vista dal polo nord galattico.
L’apprendimento automatico, in particolare la rete neurale convoluzionale utilizzata in questo studio, può essere un valido strumento per la determinazione della distanza dalle nubi molecolari nella Galassia. Grazie ai risultati ottenuti, si apre la possibilità di utilizzare questa tecnologia anche in altri campi dell’astronomia per risolvere problemi complessi.
L’utilizzo dell’Intelligenza Artificiale nella ricerca scientifica continua a portare importanti scoperte e risultati, come dimostrato dalla mappa delle nubi molecolari nella Via Lattea creata dal team dell’Università Metropolitana di Osaka.
________
“Star formation determined by Artificial Intelligence“
“AI Creates Accurate Map of Star Origins in Milky Way“
Foto di Lumina Obscura da Pixabay
