.Researchers focus AI on finding exoplanets
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
http://jk0620.tripod.com
https://www.facebook.com/junggoo.lee.9
.Researchers focus AI on finding exoplanets
연구원은 외계 행성을 찾는 데 AI를 집중시킵니다
Alan Flurry, 조지아 대학교 DSHARP(High Angular Resolution Project)의 디스크 하위 구조. 크레딧: 조지아 대학교 FEBRUARY 7, 2023
-조지아 대학의 새로운 연구에 따르면 인공 지능을 사용하여 태양계 외부의 행성을 찾을 수 있습니다. 최근 연구는 기계 학습이 외계 행성을 찾는 데 사용될 수 있음을 보여주었습니다. 이 정보는 과학자들이 지구에서 매우 멀리 떨어진 새로운 행성을 감지하고 식별하는 방법을 재구성할 수 있는 정보입니다. UGA Franklin College of Arts and Sciences 물리학 및 천문학과의 박사 과정 학생이자 이 연구의 수석 저자인 Jason Terry는 "이것에 대한 새로운 점 중 하나는 행성이 여전히 형성되고 있는 환경을 분석하는 것입니다."라고 말했습니다.
-"머신 러닝은 우리가 이전에 사용하던 데이터 유형, 특히 여전히 활발하게 행성을 형성하고 있는 시스템을 살펴보기 위해 거의 적용되지 않았습니다." 최초의 외계 행성은 1992년에 발견되었으며, 5,000개 이상이 존재하는 것으로 알려져 있지만 과학자들이 가장 쉽게 찾을 수 있는 외계 행성에 속합니다. 형성 단계의 외계 행성은 두 가지 주요 이유로 보기 어렵습니다.
그들은 너무 멀리 떨어져 있고 종종 지구에서 수백 광년 떨어져 있으며 그들이 형성하는 디스크는 매우 두껍고 지구에서 태양까지의 거리보다 두껍습니다. 데이터에 따르면 행성은 이러한 원반의 중앙에 있는 경향이 있으며 행성에서 발생하는 먼지와 가스의 신호를 전달합니다. 이 연구는 인공 지능 이 과학자들이 이러한 어려움을 극복하는 데 도움이 될 수 있음을 보여주었습니다. "이것은 매우 흥미로운 개념 증명입니다." 천체물리학 조교수이자 외행성 및 행성 형성 연구 그룹의 수석 연구원이자 이 연구의 공동 저자인 카산드라 홀(Cassandra Hall)이 말했습니다. "여기서의 힘은 우리가 컴퓨터 시뮬레이션 으로 생성된 합성 망원경 데이터를 독점적으로 사용 하여 이 AI를 훈련시킨 다음 실제 망원경 데이터에 적용했다는 것입니다. 이것은 우리 분야에서 전에는 한 번도 해본 적이 없으며 다음과 같은 발견의 홍수를 위한 길을 닦았습니다. 제임스 웹 망원경 데이터가 들어옵니다."
2021년 NASA가 발사한 제임스 웹 우주 망원경은 새로운 수준의 적외선 천문학을 시작하여 과학자들이 분석할 수 있는 놀라운 새 이미지와 방대한 양의 데이터를 제공합니다. 그것은 은하계 전체에 고르지 않게 흩어져 있는 외계 행성을 찾기 위한 기관의 탐구의 최신 반복일 뿐입니다. Nancy Grace Roman Observatory는 암흑 에너지 와 외계 행성 을 찾기 위해 2027년에 발사될 예정인 2.4미터 측량 망원경 으로 생명을 위해 우주를 샅샅이 조사할 수 있는 능력과 정보 및 데이터 전달의 다음 주요 확장이 될 것입니다. Webb 망원경은 과학자들이 외부 행성계를 매우 밝고 고해상도로 볼 수 있는 기능을 제공하며, 형성 환경 자체는 결과적인 태양계를 결정할 때 큰 관심 대상입니다.
"좋은 데이터의 잠재력이 폭발적으로 증가하고 있기 때문에 현장에서 매우 흥미로운 시기입니다."라고 Terry는 말했습니다. 새로운 분석 도구는 필수입니다 이 고품질 데이터를 맞이하기 위해서는 차세대 분석 도구가 시급히 필요합니다. 따라서 과학자들은 데이터를 세심하게 조사하고 아주 작은 서명을 찾으려고 노력하는 대신 이론적 해석에 더 많은 시간을 할애할 수 있습니다. 테리는 "어떤 의미에서 우리는 더 나은 사람을 만들었다"고 말했다. "대부분 우리가 이 데이터를 분석하는 방식은 특정 디스크에 대한 수십, 수백 개의 이미지가 있고 이를 살펴보고 '그게 흔들리는 건가요?'라고 묻는 것입니다.
그런 다음 12번의 시뮬레이션을 실행하여 그것이 흔들림인지 확인하고 … 간과하기 쉽습니다. 그들은 정말 작고 청소에 달려 있습니다 . 인간은 그리워할 것이다." Terry는 기계 학습이 이미 달성할 수 있는 것 , 즉 시간과 비용을 절약할 수 있는 인간의 능력 을 향상시키고 과학적 시간, 투자 및 새로운 제안을 효율적으로 안내할 수 있다고 말합니다. "과학, 특히 일반적으로 천문학에서는 기계 학습과 AI에 대한 회의론이 남아 있으며, 수억 개의 매개변수가 있고 어떻게든 답을 얻는 이 블랙박스에 대한 타당한 비판이 남아 있습니다. 하지만 우리는 우리가 '는 이 작업에서 기계 학습 이 작업에 달려 있다는 것을 꽤 강력하게 보여주었습니다 . 해석에 대해 논쟁할 수 있습니다. 하지만 이 경우에는 이 방법의 힘을 보여주는 매우 구체적인 결과를 얻었습니다." 연구팀의 작업은 시뮬레이션 관측을 사용하여 방법의 효율성을 입증하면서 관측 데이터에 대한 향후 응용 프로그램을 위한 구체적인 기반을 개발하도록 설계되었습니다. 이 연구는 The Astrophysical Journal 에 게재되었습니다 .
추가 정보: JP Terry et al, Locating Hidden Exoplanets in ALMA Data Using Machine Learning, The Astrophysical Journal (2022). DOI: 10.3847/1538-4357/aca477 저널 정보: Astrophysical Journal 조지아대학교 제공
https://phys.org/news/2023-02-focus-ai-exoplanets.html
===========================
메모 23020905562 나의 사고실험 oms 스토리텔링
우주에는 살아있는 생물과 같아서 늘 움직이고 탄생과 주검이 벌어지는 리얼한 세상이다.이런 곳에서의 별이나 행성을 늘 태어나고 사라지는데 이를 고정적으로 관측하는 것이 무의미할 정도이다. 그래서 AI 머신 러닝은 이전에 사용하던 데이터 유형, 특히 여전히 활발하게 행성을 형성하고 있는 시스템을 살펴보기 시작했다.
우주의 물체들은 거의 이합집산을 하며 먹이 사슬처럼 필라멘트 웹을 이루고 있다. 이들은 샘플링 oms의 vix.a(n!)의 장벽에서 태어나 다시 banqing으로 복소수 영역으로 흘러가 다시 샘플링 qoms.중성자 별들과 oss.base으로 태어난다. 이렇듯 복잡한 양상들이 머신러닝만으로 해결책이 아니다. 인간의 통찰력으로 우주를 지능적으로 샘플링을 관조해야 한다.
Samplea.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000-mser.2
0010000001
sample b.poms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
sample c.oss (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
- A new study from the University of Georgia shows that artificial intelligence can be used to find planets outside the solar system. Recent research has shown that machine learning can be used to find exoplanets. This information could help scientists reconstruct how to detect and identify new planets very far from Earth. "One of the new things about this is analyzing the environment in which planets are still forming," said Jason Terry, a PhD student in the UGA Franklin College of Arts and Sciences Department of Physics and Astronomy and lead author of the study.
-"Machine learning has rarely been applied to look at the types of data we've been using before, especially systems that are still actively forming planets." The first exoplanets were discovered in 1992, and while more than 5,000 are known to exist, they are among the easiest for scientists to find. Formation-stage exoplanets are difficult to see for two main reasons.
===========================
memo 23020905562 my thought experiment oms storytelling
It is like a living creature in the universe, so it is a real world where births and corpses are always moving and births and corpses are taking place. So AI machine learning started looking at the types of data it was using before, especially the systems that are still actively shaping the planet.
Objects in the universe are almost collapsing and forming a filament web like a food chain. They are born at the barrier of vix.a(n!) of the sampling oms, flow into the complex number domain again by banqing, and are born again by sampling qoms.neutron stars and oss.base. Machine learning alone is not a solution to these complex aspects. We must contemplate intelligent sampling of the universe with human insight.
Samplea.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000-mser.2
0010000001
sample b.poms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
sample c.oss (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
.Investors also suffer in unregulated competition for freely available resources, study finds 투자자들은 또한 자유롭게 이용 가능한 자원에 대한 규제되지 않은 경쟁으로 인해 어려움을 겪고 있습니다
괴테대학교 프랑크푸르트암마 인 모델링 프레임워크. 에이전트는 x i 를 총 투자 x tot =∑ i x i 에 기여 하며, 이는 다시 커먼즈("국가")의 착취 정도를 결정합니다. 생산성(녹색 선)은 착취 수준이 높아짐에 따라 감소 하며 개별 기여도의 ±Δx i 만큼의 변화에 반응합니다 . 투자당 보수는 커먼즈의 생산성에서 개별 단위당 비용 c i 를 뺀 값 입니다. 신용: 왕립 학회 오픈 사이언스 (2023). DOI: 10.1098/rsos.221234 FEBRUARY 8, 2023
사용에 대한 규제가 없으면 어족, 물 또는 공기와 같이 자유롭게 접근할 수 있는 자원의 상태가 극적으로 악화될 수 있습니다. 경제학에서는 이것을 "공유지의 비극"이라고 합니다. 2009년 엘리노어 오스트롬은 이 주제에 대한 연구로 여성 최초로 노벨 경제학상을 수상했습니다. 이 "비극"을 방지하는 방법에 대한 Ostrom의 질문은 약 20년 전과 마찬가지로 오늘날에도 관련이 있습니다.
-게임 이론은 다수의 에이전트가 서로 경쟁하는 상황을 다루고 각 참가자는 개별적으로 자신의 이익을 극대화하려고 합니다. 플레이어가 수익을 더 이상 높일 수 없는 경우 "내시 균형"에 대해 말합니다. "공유지의 비극(Tragedy of the Commons)"은 행위자들이 직접적으로 경쟁하는 것이 아니라 간접적으로 경쟁하는 게임 이론 시나리오입니다. 누군가 공통의 파이 한 조각을 가져가면 다른 모든 사람에게 덜 줄 것입니다. "공유지의 비극"을 피하는 방법을 조사하는 대신 Goethe University 이론 물리학 연구소의 Claudius Gros는 예상하지 못한 결과와 함께 결과 내쉬 균형을 조사했습니다. 순서 1/N의 몫을 받습니다. 그러나 여전히 각각의 투자 비용을 공제해야 합니다. Gros의 계산에 따르면 균형 상태에서 행위자는 투자 비용이 개별 투자자 가 확보할 수 있는 자원의 가치에 거의 도달할 때까지 참여를 증가시킵니다 . 이론 물리학 자는 수학적으로 개인 투자자의 최종 이익이 1/N²로 확장된다는 것을 보여줄 수 있었습니다.
Gros의 연구에서 알 수 있듯이 투자자가 각각 자원에서 비례적인 몫을 받는다는 원래의 기대는 여전히 옳습니다. 그러나 이것은 동일한 비율의 전체 수익으로 해석되지 않으며, 이는 투자자 수의 힘에 따라 더 작습니다. Gros는 순이익의 극적인 악화를 "재앙적인 빈곤"으로 나타냅니다. 이는 규제되지 않은 경쟁이 개별 행위자를 수익성 한계, 즉 생계 수준에 가깝게 몰아가는 것을 의미하기 때문입니다.
마찬가지로 그로스는 배우들이 서로 협력할 때 치명적인 빈곤을 피할 수 있음을 보여줄 수 있었습니다. 협력은 단순한 힘, 고전적인 결과에 있는 투자자의 수에 해당 하는 순이익 으로 이어집니다. 따라서 조사 결과 "공유지의 비극"은 이전에 예상했던 것보다 훨씬 더 많은 피해를 입힐 수 있습니다.
제어되지 않은 액세스는 리소스를 잠재적으로 과도하게 악용할 뿐만 아니라 이전의 많은 연구에서 초점을 맞춘 주제입니다. 또한 투자자는 자신의 이익을 극대화할 때만 고통을 받습니다. 수학적으로 Gros는 기술 진보 가 이 과정을 강화하고 참여 투자자의 전부 또는 대다수가 궁극적으로 치명적인 빈곤의 영향을 받는다는 것을 보여줄 수 있었습니다.
어쨌든 소수의 투자자(과두정치)만이 더 많은 이익을 얻을 수 있습니다. 이 연구는 Royal Society Open Science 에 게재되었습니다 .
추가 정보: Claudius Gros, 이기적인 투자자가 분해 가능한 공통 자원을 악용할 때의 일반적인 파국적 빈곤, Royal Society Open Science (2023). DOI: 10.1098/rsos.221234 저널 정보: Royal Society Open Science 괴테대학교 프랑크푸르트암마인 제공
https://phys.org/news/2023-02-investors-unregulated-competition-freely-resources.html
===========================
메모 2302090502 나의 사고실험 oms 스토리텔링
나역시 작은 돈으로 주식을 해봤지만 적은돈으로 단타치는 게 무의미했다. 개인투자자는 작은 몫에 들락거리는 것도 피곤한 일이며 기회도 정보도 적어서 큰수익을 낼 수 없는 근본적인 문제가 개인투자의 주식인듯하다. 그러면 큰 수익은 누가낼까? 큰손들이다. 게임이론이 이를 증명한다.
대기업의 주식을 개인 투자자가 이익을 극대화 시키지 못하는 이유가 있다. 피자파이판 절반이상을 늘 이 포식자 기관투자자의 들락거리기 때문이다. 그래서 대기업의 주식 투자자들의 절반이상이 개인투자자이여도 큰 수익을 낼 수 없는 이유는 반이상을 기관투자자가 수시로 들락거리는 구조이기 때문일 것이다. 이것을 공유지의 비극(Tragedy of the Commons)이라 표현하는가 보다.
샘플링 oms에서도 이를 증명할 수 있다. 만약에 큰 짐승, 기관투자자 절반이상의 oms 네모난 박스의 내용물을 가져갔다면 나머지를 가지고 작은 짐승, 개인투자자가 나눠야하는 것이다. 더 이상한 것은 나머지 몫이 결국 또 포식자의 유인물 작은 짐승들을 모이게 하는 것이라는 점이다.
그래서 게임이론은 먹이사슬에 의해 지배된다. 개미핥기, 기관들이 많은 돈을 투자하면 적은 수익으로도 만족할 수 있다. 하지만 위험부담을 줄이기 위해 개인투자자 개미들이 늘 필요한거다. 개인 투자자들 입장에서는 한정된 공간에 결국 작은 파이로 1/n^2이 나눠야하니 결국은 다 털리게 된다.
그래서 개인투자자가 기관에 참여할 수 있는 길이 유일한 탈출로가 될듯하다. 개인이 큰물, 공직이나 유명해지고 인기를 가져야 매출이 늘어 출세하는 것과 다를 바 없다. 상식을 이해하려면 목적을 분명히 세우고 큰물을 찾아갈 기회를 노려야 한다.
Samplea.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000-mser.2
0010000001
sample b.poms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
sample c.oss (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
-Game theory deals with situations where a number of agents compete with each other, and each participant individually tries to maximize his or her own profit. We speak of "Nash Equilibrium" when a player cannot increase their profit any further. The "Tragedy of the Commons" is a game theory scenario in which actors compete indirectly rather than directly.
If someone takes a piece of the common pie, they'll give everyone else less. Instead of investigating how to avoid the "tragedy of the commons", Claudius Gros of the Institute for Theoretical Physics at Goethe University investigated the resulting Nash Equilibrium, with unexpected results. Receives a quotient of the order 1/N. However, you still have to deduct the cost of each investment. In equilibrium, according to Gros' calculations, actors increase their participation until the cost of an investment approaches the value of the resources each individual investor can acquire. Theoretical physicists have been able to show mathematically that the final profit of an individual investor scales to 1/N².
===========================
memo 2302090502 my thought experiment oms storytelling
I also tried stocks with a small amount of money, but it was meaningless to hit short shots with a small amount of money. It seems that individual investors are tired of going in and out of small shares, and that the fundamental problem of not being able to make big profits because there is little opportunity and information is stocks in individual investment. So who will make the big money? they are great grandchildren Game theory proves this.
There is a reason why individual investors cannot maximize the profits of stocks of large companies. This is because more than half of the pizza pie plate is always in and out of this predatory institutional investor. So, the reason why more than half of stock investors in conglomerates cannot make big profits even if they are individual investors is because more than half of them are institutional investors. Rather, this is expressed as the Tragedy of the Commons.
Sampling oms can also prove this. If the big beast, institutional investor, took the contents of more than half of the oms square box, the small beast, individual investor, should share the rest. What's even more strange is that the rest of the share ends up gathering the predator's attractant little beasts.
So game theory is governed by food webs. Anteaters, institutions investing a lot of money can be satisfied with small returns. However, individual investor ants are always needed to reduce the risk. From the point of view of individual investors, in the end, 1/n^2 must be divided into a small pie in a limited space, so it will eventually be robbed.
So, it seems that the only way out is for individual investors to participate in institutions. It is no different from the fact that an individual must become famous and popular, whether it be a public position or a public office, in order to increase sales. To understand common sense, you need to set a clear purpose and look for opportunities to reach the big water.
Samplea.oms (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000-mser.2
0010000001
sample b.poms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
sample c.oss (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
댓글