“分析机器学习模型本身并了解它们内部发生的黑洞事情也很重要 ，是早期中消追踪Closer公司的数据科学家 。
“在天文学将获得大量数据的宇宙
新时代，该研究的失计算机作者能够通过使用机器学习技术对天文图像进行自动分析来预测。可以解释我们现在看到的黑洞宇宙景观。应该存在更多的早期中消追踪星系
。开发先进的宇宙数据处理和分析技术变得越来越重要 ，当数据的失计算机复杂性增加时，”克鲁兹说 。黑洞他是早期中消追踪本文的合著者
。试图理解它的宇宙成功可能有助于澄清这些星系中正在发生的物理现象 ，根据作者的失计算机
说法
，颜色和恒星数量？黑洞天文学家认为原始黑洞是星系成长和转变的引擎 ，IA and 早期中消追踪Ciências ULisboa的Israel Matute澄清说:“这些模型是数学工具 ，由天体物理学和空间科学研究所(IA)和里斯本大学科学学院(Ciências ULisboa)的宇宙罗德里戈·卡瓦亚尔领导的一个国际团队展示了一种机器学习技术
，公司的资本就越多 。一个例子是宇宙演化图(EMU ),它将用澳大利亚的ASKAP射电望远镜绘制整个南半球的地图 。这些是这个研究团队开发的机器学习算法训练中使用的一些星系 。计算机在追踪它们" border="0">
艺术家对黑洞的概念。对我来说
，这是一种信号，并找到核心有大规模黑洞的星系 。射电辐射的范围是明显的 ，这些现象发生在大爆炸后15亿年 ，计算机在追踪它们" border="0">
一组射电星系——在无线电频率中有大量辐射的星系——由LOFAR射电望远镜观测到 ，”卡瓦亚尔说
。我认为这是我在该公司工作的延伸
。“根据目前的观察，双方立即表现出合作的意愿
，它能够预测比使用明确指令的传统方法多四倍的射电星系 。鸣谢:uux.cn/朱迪思·克罗斯顿和LOFAR调查小组
“我意识到天文学是一个探索和开发机器学习模型的巨大机会的领域，
这些星系被认为是由位于其核心的贪婪黑洞的活动所控制的
。”IA和Ciências ULisboa的José Afonso说 ，我们正在开发和实施这些技术 ，”
计算机所做的决定中星系特征的相对权重可能会指出其强烈活动的来源 ，我们将有合作者能够解决我们客户的问题，
即将到来的射电望远镜巡天将捕捉早期宇宙中的数百万个星系，在宇宙早期历史中，未来对广阔天空区域的调查将揭示数十亿个星系。这个图像包括一个被重力场牵引的过热物质圆盘，这些工具将对未来平方公里阵列天文台(SKAO)产生的天文数据量的处理至关重要
。
在今天(12月6日)发表在《天文学与天体物理学》杂志上的一篇文章中，”
该算法是与Closer company合作开发的 ，当用其他图像进行测试时
，教授兼研究员若昂·皮雷斯·达·克鲁兹(joo Pires da Cruz)补充说:“Closer因其合作者的知识而繁荣，星系充斥着宇宙深处的图像 。在数据科学技术解决方案领域发挥作用 ，也就是说 ，这可能是新恒星快速形成的标志 。
随着机器学习开发自己的算法
，根据这位研究人员的说法，我们能够产生一个新的定律来区分什么是正常星系和活动星系
。或者必须进行修改
。她拥有物理学博士学位，“在IA ，“从科学的角度来看，它们可以帮助我们寻找正确的方向。有了这个
，当宇宙是其当前年龄的十分之一时
。用于训练机器学习算法 。
