암흑 에너지 탐험가

모든 노고에 감사드립니다!

암흑 에너지 탐험가가 됨으로써 당신은 암흑 에너지의 미스터리를 풀기 위해 노력하는 망원경에서 먼 은하와 잘못된 탐지를 찾는 데 도움을 주고 있습니다! 직원 중 약 40%가 모바일 기기를 사용하고 있으며, 전 세계에서 약 16,000명의 개인 자원봉사자가 활동하고 있습니다. 2021년 2월 23일 출시 이후 350만 개 이상의 은하 분류에 도달했습니다! 감사합니다!

Fishing for Signal in a Sea of Noise"의 결과"

우리는 가짜 탐지와 실제 은하에 대한 귀하의 분류를 수집하여 기계 학습 연구에 사용하고 있습니다.

기계 학습이란 무엇인가요?
기계 학습 알고리즘은 명시적으로 프로그래밍하지 않고도 예측 또는 결정을 내리기 위해 학습 데이터라고 하는 샘플 데이터를 기반으로 모델을 구축합니다(이것은 귀하의 분류입니다!).

귀하의 분류를 어떻게 사용하고 있습니까?
우리는 기계 학습을 위한 훈련 세트로 유지해야 할 은하와 다시 살펴봐야 하는 은하의 분류를 사용하며, 특히 아래 이미지와 같이 데이터를 시각화할 수 있는 t-SNE 알고리즘을 사용합니다. 이 이미지에서 우리는 암흑 에너지 탐험가(DEE) 확률이 있는 두 개의 별개의 성단을 볼 수 있습니다. 당신의 분류는 '가짜' 은하(DEE 확률 = 0, 파란색)와 '진짜' 은하(DEE 확률 = 1, 빨간색)를 보여주고 있습니다. 그런 다음 데이터 카탈로그에서 '가짜' 또는 잘못된 탐지를 제거하여 암흑 에너지에 대한 연구를 수행할 수 있는 더 나은 데이터를 만들 수 있습니다!

"Nearby VS Distant"의 결과"

다음은 여러분이 우리의 데이터 모델보다 어떻게 더 잘했는지에 대한 예입니다! 이것이 이러한 물체를 시각적으로 보는 것이 중요한 이유입니다! 이것은 'Nearby VS Distant' 워크플로에서 가져온 것입니다.

우리의 데이터 모델은 오른쪽의 큰 소스에 속았지만(가까운 은하라고 생각함) 컬러 블록 이미지에서 점을 보았고 확대된 이미지에서 희미하고 작은 점/아무것도 못했습니다(먼 은하를 나타냄!). 우리 모델은 옆에 있는 큰 별에서 너무 많은 데이터를 선택했습니다!

이러한 객체를 분류하면 당사는 귀하의 분류를 가져와 기계 학습 알고리즘에서 사용합니다. 가까운 은하와 먼 은하를 분류하는 여러분의 도움 없이는 이러한 알고리즘을 정확하게 사용할 수 없었을 것입니다!

더 자세히 알아보고 더 나은 분류자가 되고 싶으신가요?

이 다양한 흥미로운 물체가 어떻게 생겼는지 배우는 방법은 다음과 같습니다!

블랙홀:

블랙홀은 점이라기보다는 더 크고 넓은 타원형처럼 보일 것입니다. 예를 들어

블랙홀은 또한 일반적인 길고 가느다란 스펙트럼 선보다 훨씬 넓은 넓은 스펙트럼 선을 가질 것입니다.