Astronomen haben ein neues System für maschinelles Lernen entwickelt, das die Auflösung des James Webb Space Telescope (JWST) erheblich verbessert. Diese Methode ermöglicht es, Hardware-Verzerrungen zu beseitigen, die die Beobachtung lichtschwacher Objekte in der Nähe heller Sterne behindern, und hilft dabei, bisher unsichtbare kosmische Strukturen abzubilden. Dies berichtet Ixbt.com berichtet .
Das Problem trat im Aperture Masking Interferometer (AMI) System des NIRISS-Instruments des Teleskops auf. Der Ladungsmigrationseffekt auf den Sensoren verformte das Interferenzmuster und minderte die Bildqualität. Um dieses Problem zu lösen, entwickelten Wissenschaftler ein neues System namens AMIGO (Aperture Masking Interferometry Generative Observations).
Der AMIGO-Algorithmus erstellt einen digitalen Zwilling des Teleskops und modelliert die gesamte Optik und Elektronik. Künstliche Intelligenz vergleicht echte Daten mit synthetisierten Bildern und korrigiert Fehler automatisch. Das neuronale Netzwerkmodul spielt eine entscheidende Rolle bei der Kompensation der nichtlinearen Ladungsverteilung auf den Sensoren.
Mit dieser neuen Technologie gelang es Wissenschaftlern, substellare Objekte wie HD 206893 c und HD 206893 B sowie vulkanische Hotspots auf dem Jupitermond Io zu identifizieren. Dieser Durchbruch eröffnet neue Möglichkeiten zur Untersuchung von Exoplanetenatmosphären und zur Beobachtung von Objekten in der Nähe heller Sterne.
Lesen Sie „Zamin“ auf Telegram!
