Site icon Global Science

Sheep, un nuovo metodo per osservare e conoscere il cosmo

Considerata la straordinaria immensità dello spazio e le notevoli distanze che possono intercorrere tra i corpi celesti, per i ricercatori è tuttora difficile distinguere e catalogare facilmente tutto ciò che il cosmo contiene.

L’imaging e le indagini spettroscopiche sono una delle principali risorse per la comprensione del contenuto visibile dell’Universo; così, a supporto del lavoro della comunità scientifica, dall’Istituto di Astrofisica e Scienze dello Spazio di Lisbona arriva Sheep, il nuovo software di intelligenza artificiale che, definendo e misurando le grandezze fotometriche delle sorgenti astronomiche, stima i redshift fotometrici e individua galassie, quasar, stelle e tanto altro. Le caratteristiche dello strumento sono state illustrate in un articolo pubblicato su Astronomy & Astrophysics.

Ad oggi godiamo di rilievi su vasta area, sia terrestri che spaziali, grazie a mappature come la Sloan Digital Sky Survey (Sdss). Inoltre, in un futuro non molto lontano, astronomi e ricercatori disporranno di informazioni inedite, sopratutto grazie all’importante programma di osservazioni del nuovo telescopio spaziale di Nasa-Esa-Csa, ossia il James Webb (lanciato il 25 dicembre 2021).

Ad ogni modo, per quanto il futuro ci riservi strumenti sempre più all’avanguardia, la quantità di dati che acquisiremo non potranno essere analizzati attraverso i metodi convenzionali. Per questo motivo, Sheep (oppure altri software simili) saranno fondamentali; per esempio, Euclid – missione dell’Esa che avrà inizio nel 2023 e che prevede un’importante contributo dell’Agenzia Spaziale Italiana -, una volta processati i suoi dati con innovativi sistemi di intelligenza artificiale o di apprendimento automatico, sarà in grado di fornirci  una cartografia dettagliata dell’Universo ed anche, si auspica, maggiore informazioni circa la natura della materia oscura e dell’energia oscura.

In alto: Mappa dell’Universo tridimensionale, realizzata dalla collaborazione eBoss presso SDSS 
Crediti immagine: Epfl 

Exit mobile version