Galaksimizdeki gaz bulutlarını incelemek, hem yıldız oluşum süreçlerini anlamak hem de kozmik mikrodalga arka plan radyasyonu araştırmalarında doğru sonuçlar elde etmek için kritik önem taşıyor. Yeni bir araştırma, bu alanda yapay zeka teknolojisinin gücünden faydalanarak önemli bir adım atıyor.
Araştırmacılar, Cycle Generative Adversarial Networks (Cycle-GAN) adı verilen gelişmiş bir yapay zeka yöntemini kullanarak, galaktik karbon monoksit (CO) emisyonlarını modelleme konusunda yenilikçi bir yaklaşım geliştirdi. Bu sistem, Planck uydusu tarafından toplanan termal toz emisyon haritaları ile HI4PI araştırmasından elde edilen hidrojen verilerini analiz ederek, CO emisyonlarının özelliklerini öğreniyor.
Çalışmada kullanılan eğitim verisi, Planck uydusu tarafından sağlanan CO'nun iki farklı rotasyonel geçiş çizgisi (J:1-0 ve J:2-1) ile destekleniyor. Araştırmacılar, veri kalitesini garanti etmek için sinyal-gürültü oranı 8'i aşan bölgelere odaklanarak sistemi eğitti.
Geliştirilen algoritmanın başarısı, açısal güç spektrumları ve Minkowski fonksiyonları kullanılarak değerlendirildi. Sonuçlar, yapay zeka sisteminin ürettiği emisyonların, gerçek CO hedeflerinin açısal korelasyonlarını doğru bir şekilde yeniden ürettiğini ve benzer istatistiksel özellikler taşıdığını gösteriyor.
Bu gelişme, özellikle yüksek galaktik enlemlerdeki CO emisyon modellerinin iyileştirilmesi açısından önemli bir potansiyel taşıyor ve gelecekteki kozmolojik araştırmalarda daha hassas ölçümler yapılmasına katkı sağlayabilir.