Enhancing astrometric registration of Chinese historical Astronomical Digital Plates with deep learning
تقدم هذه الورقة نموذجاً للتعلم العميق قائماً على تقنية "ترانسفورمر" (Transformer) يحدد المصادر النجمية الموثوقة في الألواح الفلكية التاريخية الصينية، مما مكن بنجاح من إجراء التسجيل القياسي الفلكي لـ 1,353 لوحاً مرقماً رقمياً لم تكن معيرة سابقاً، ويعزز الفائدة العلمية لمجموعة البيانات طويلة الأمد هذه الخاصة بالمجال الزمني.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك مكتبة ضخمة من ألبومات الصور القديمة والمغبرة من أوائل القرن العشرين. هذه ليست مجرد صور لعائلتك؛ إنها صور للسماء الليلية، التقطتها الألواح الزجاجية بواسطة علماء الفلك قبل وجود الكاميرات الرقمية. هذه الصور ذات قيمة هائلة لأنها تظهر لنا كيف تحركت النجوم على مدار قرن من الزمان.
ومع ذلك، هناك مشكلة: هذه الصور القدية تالفة. بها خدوش، وعفن، وبصمات أصابع، وبقع باهتة. عندما يحاول العلماء استخدام الحواسيب للعثور على النجوم في هذه الصور، ترتبك الحواسيب. فهي تخطئ وتظن أن الخدش هو نجم، أو أن البقعة هي كوكب. لهذا السبب، ظلت آلاف الصور الثمينة عالقة في "طابور معالجة"، غير قابلة للاستخدام في البحث العلمي.
تتحدث هذه الورقة عن فريق من العلماء الذين بنوا محققاً رقمياً فائق الذكاء لحل هذه الفوضى.
المشكلة: "الروبوت المرتبك"
في السابق، كان العلماء يستخدمون برنامج حاسوب قياسياً (مثل مدقق إملائي أساسي) للعثور على النجوم. كان البرنامج يعمل بشكل جيد في الصور النظيفة، ولكن عندما تكون الصور متسخة أو مخدوشة، يصاب البرنامج بالذعر. يبدأ بالقول: "هل هذا نجم؟ أم أنه مجرد خدش؟" وغالباً ما يخطئ في التقدير. وإذا لم يكن الحاسوب متأكداً، فإنه يستبعد الصورة بأكملها.
الحل: "المحقق الذكي" (Swin Transformer)
قرر الباحثون ترقية "عقل" الحاسوب. فبدلاً من استخدام مدقق إملائي بسيط، قاموا بتدريب ذكاء اصطنا-عي للتعلم العميق (تحديداً نموذج يُسمى Swin Transformer) ليفحص قطعاً صغيرة من الصورة، تُسمى "القصاصات" (cutouts).
فكر في الأمر كالتالي:
- الطريقة القديمة: تطلب من روبوت أن يجد كرة حمراء في غرفة فوضوية. إذا رأى جورباً أحمر، يصرخ "كرة!" ويصاب بالارتباك.
- الطريقة الجديدة: تقوم بتدريب الروبوت على النظر إلى نسيج وشكل الشيء. يتعلم أن النجم يبدو مثل هالة ناعمة ومتوهجة (مثل كرة قطنية)، بينما يبدو الخدش مثل خط حاد ومتعرج (مثل قطعة زجاج مكسورة). حتى لو كانت الصورة متسخة، يمكن للذكاء الاصطناعي التمييز بينهما.
كيف دربوا الذكاء الاصطناعي؟
لتعليم هذا الذكاء الاصطناعي، لم يكتفوا برمي صور عشوائية أمامه، بل استخدموا نهج "المعلم والتلميذ":
- النموذج الأساسي (العام): أولاً، عرضوا على الذكاء الاصطناعي الآلاف من الصور النظيفة تماماً حيث يعرفون مسبقاً أي النقاط هي نجوم وأيها خدوش. تعلم الذكاء الاصطناعي القواعد العامة لما يبدو عليه النجم.
- الضبط الدقيق (المتخصص): أدركوا أن بعض الصور كانت تالفة بشكل غريب لدرجة أن الذكاء الاصطنا-عي "العام" لا يزال يرتبك أمامها. لذا، بالنسبة لتلك الصور الصعبة تحديداً، صنعوا نسخاً "متخصصة" من الذكاء الاصطنا-عي. لقد علموا هؤلاء المتخصصين عبر إظهار أمثلة من تلسكوبات مشابهة أو أنواع مشابهة من التلف. الأمر يشبه توظيف دليل محلي يعرف تماماً كيف يبدو شكل الأوساخ في ذلك الحي تحديداً.
النتائج: إنقاذ التاريخ
كانت النتائج أشبه بالسحر:
- أخذوا 1,883 صورة كانت تعتبر سابقاً "غير قابلة للإصلاح".
- نجح نظام الذكاء الاصطنا-عي الجديد في تحديد النجوم الحقيقية وتجاهل الخدوش والغبار.
- تمكنوا من رسم خرائط لمواقع النجوم في 1,353 من تلك الصور.
هذا يعني أنهم فتحوا القيمة العلمية لأكثر من 1,300 صورة تاريخية كانت ستظل لولا ذلك في الظلام.
لماذا يهم هذا الأمر؟
تخيل أنك تحاول تتبع سلحفاة تتحرك ببطء على مدار 100 عام. إذا كان لديك 50% فقط من الصور، فلن تتمكن من رؤية رحلتها كاملة. ولكن الآن، مع هذه الـ 1,353 صورة التي تم "فك تشفيرها" حديثاً، أصبح لدى علماء الفلك جدول زمني أوضح وأطول. يمكنهم دراسة كيفية تحرك النجوم، وتوسع الكون، وتغير نظامنا الشمسي، وكل ذلك بفضل حاسوب تعلم كيف يتجاهل الأوساخ ويرى النجوم.
باختختصر: لقد علموا الحاسوب كيف يكون محققاً أفضل مما يمكن للبشر أن يكونوا، مما سمح لهم بإنقاذ آلاف الصور التاريخية التالفة وتحويلها مجدداً إلى أدوات قوية لفهم الكون.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.