Um die entlegensten Bereiche der Milchstraße zu erforschen und die Geheimnisse der Sternentstehung aufzudecken, hat ein japanisches Forschungsteam ein Deep-Learning-Modell entwickelt. Unter der Leitung der Osaka Metropolitan University analysierte das Team mithilfe künstlicher Intelligenz große Datenmengen von Weltraumteleskopen. Ihre Bemühungen enthüllten blasenartige Strukturen, die in astronomischen Datenbanken bisher übersehen wurden.
Wie andere Galaxien weist auch die Milchstraße diese blasenartigen Strukturen auf, die vor allem bei der Geburt und Aktivität massereicher Sterne entstehen. Diese Strukturen werden „Spitzerbubbles“ genannt und liefern wertvolle Informationen darüber, wie Galaxien und Sterne entstehen.
Der Doktorand Shimpei Nishimoto und Professor Toshikazu Onishi arbeiteten mit Forschern aus Institutionen in ganz Japan zusammen, um ein Modell der künstlichen Intelligenz zu entwickeln, um diese Blasen effektiver zu erkennen. Durch die Analyse von Bildern des Spitzer-Weltraumteleskops und des James-Webb-Weltraumteleskops identifizierte ihr Modell genau die Spitzer-Blase, eine schalenartige Struktur, die vermutlich durch eine Supernova-Explosion entstanden ist.
„Unsere Ergebnisse zeigen, dass nicht nur die Sternentstehung, sondern auch die Auswirkungen explosiver Ereignisse innerhalb von Galaxien im Detail untersucht werden können“, sagte Doktorand Nishimoto.
Professor Onishi fügte hinzu: „Wir hoffen, dass Fortschritte in der Technologie der künstlichen Intelligenz in Zukunft die Aufklärung der Mechanismen der Galaxienentwicklung und Sternentstehung beschleunigen werden.“
Zusammengestellt von /ScitechDaily