N1-0344 (D) Algoritmi strojnega učenja v podatkovno intenzivni astrofiziki v dobi LSST

V tem projektu v sodelovanju z madžarskimi raziskovalci razvijamo in preizkušamo algoritme strojnega učenja za obdelavo velikih količin podatkov in s tem podpiramo znanstvene raziskave projekta Legacy Survey of Space and Time (LSST) na Observatoriju Vere Rubin. Razvijamo na slikah in parametrih temelječe nadzorovane klasifikacijske algoritme z uporabo globokih konvolucijskih mrež za klasifikacijo LSST podatkov spremenljivih zvezd (CSFK). Dosedanja težava je pomanjkanje podatkov LSST, zato uporabljamo podatke ZTF in OGLE. Po drugi strani pa je treba časovno redke podatke uporabiti za prepoznavanje zelo različnih časovnih skal sprememb. Rezultati bodo posodobljeni in izpopolnjeni, ko bo na voljo vedno več podatkov LSST. Razvijamo tudi algoritme, ki temeljijo na umetni inteligenci, za odkrivanje in klasifikacijo astrofizikalnih tranzientov na podlagi simuliranih LSST podatkov (UNG). Na osnovi pravih meritev LSST bomo sestavili podatkovni vzorec svetlobnih krivulj tranzientov, ki bo pomagal pri izbiri in analizi najbolj zanimivih objektov. Razvijamo tudi slikovne algoritme umetne inteligence za morfološko analizo objektov Sončevega sistema, predvsem kometov: cilj je prepoznati drobne strukture in aktivna območja ter izvesti razločevanje repov in jeder kometov (ELTE GAO). Pri tem podatki SDSS in ZTF predstavljajo učni vzorec. Edinstvenost slovensko-madžarskega projekta je poleg komplementarnosti in sinergije sodelujočih raziskovalnih skupin tudi v tem, da so vse tri podnaloge povezane s pripravo na LSST, vse tri uporabljajo vzorčne podatke LSST in so vse tri usmerjene v razvoj najsodobnejših algoritmov na osnovi strojnega učenja, pri čemer se partnerji medsebojno podpirajo pri reševanju podobnih podnalog.