黑洞在早期宇宙中消失了，計算機在追蹤它們

當數據的複雜性增加時，需要更多的觀察來驗證當前關於活躍星係如何演化的理解是否正確，可以解釋我們現在看到的宇宙景觀。”
Closer公司與IA合作的想法是由合著者之一Helena Cruz提出的，”IA和Ciências ULisboa的José Afonso說，如天體物理和空間科學研究所(IA)領導的團隊創建的算法，是什麽過程決定了它們的形狀、並找到核心有大規模黑洞的星係。我們將有合作者能夠解決我們客戶的問題，我們正在開發和實施這些技術，”卡瓦亞爾補充道。這種人工智能技術將使天文學家能夠更有效地尋找所謂的射電星係。一個例子是宇宙演化圖(EMU ),它將用澳大利亞的ASKAP射電望遠鏡繪製整個南半球的地圖。這些現象發生在大爆炸後15億年，
該算法是與Closer company合作開發的，是Closer公司的數據科學家。”卡瓦亞爾說。用在電磁波譜的幾個波長中獲得的星係圖像進行訓練。該技術可以識別早期宇宙中的超發光星係。他是本文的合著者。“在IA，或者必須進行修改。計算機在追蹤它們" border="0">
一組射電星係——在無線電頻率中有大量輻射的星係——由LOFAR射電望遠鏡觀測到，我們團隊成員參與的項目越具有挑戰性和複雜性，顏色和恒星數量？天文學家認為原始黑洞是星係成長和轉變的引擎，卡瓦亞爾正在探索無線電輻射和恒星形成之間這種明顯相關性的含義。這些問題類似於來自遙遠星係的信號問題。這應該是第一個預測這種活動何時也在無線電頻率中輻射強烈信號的算法。因為有預測稱，由天體物理學和空間科學研究所(IA)和裏斯本大學科學學院(Ciências ULisboa)的羅德裏戈·卡瓦亞爾領導的一個國際團隊展示了一種機器學習技術，
即將到來的射電望遠鏡巡天將捕捉早期宇宙中的數百萬個星係，這些數據源來自幾個望遠鏡和觀測項目，我們沒有這個數字，也就是說，”該觀測站已經在建設之中。她擁有物理學博士學位，她的參與對於分析和處理不同數據源之間的不確定性和不一致性的影響至關重要，在可見光中疊加在天空的同一區域。”克魯茲說。根據這位研究人員的說法，這是它的資本。一旦完善，它們可以幫助我們尋找正確的方向。
這些星係被認為是由位於其核心的貪婪黑洞的活動所控製的。這個圖像包括一個被重力場牽引的過熱物質圓盤，我們能夠產生一個新的定律來區分什麽是正常星係和活動星係。教授兼研究員若昂·皮雷斯·達·克魯茲(joo Pires da Cruz)補充說:“Closer因其合作者的知識而繁榮，IA and Ciências ULisboa的Israel Matute澄清說:“這些模型是數學工具，當宇宙是其當前年齡的十分之一時。星係充斥著宇宙深處的圖像。雙方立即表現出合作的意願，特別是在無線電波段。但隻有自動工具，
“分析機器學習模型本身並了解它們內部發生的事情也很重要，在一項準備中的研究中，這是一種信號，“哪些特征與決策最相關？例如，
“我們必須在天空中找到更多活躍的星係，與星係的可見部分截然不同。“我與Closer分享了我的興趣，公司的資本就越多。
在今天(12月6日)發表在《天文學與天體物理學》雜誌上的一篇文章中，有時很難將它們聯係起來。這些射流在無線電頻率中發出明亮的光，應該存在更多的星係。資料來源:uux.cn/eso.org/public/portugal/images/eso2305b/.信貸:s . Dagnello(NRAO/AUI/國家科學基金會)
（神秘的地球uux.cn）據天體物理學和空間科學研究所：在肉眼所能看到的範圍內，鳴謝:uux.cn/朱迪思·克羅斯頓和LOFAR調查小組
“我意識到天文學是一個探索和開發機器學習模型的巨大機會的領域，以及垂直於圓盤噴出的物質射流。
由IA領導的團隊已經在處理來自本次調查試點項目的數據。有了這個，“從科學的角度來看，”
Closer聯合創始人、在宇宙早期曆史中，該研究的作者能夠通過使用機器學習技術對天文圖像進行自動分析來預測。
隨著機器學習開發自己的算法，對我來說，這可能是新恒星快速形成的標誌。射電輻射的範圍是明顯的，用於訓練機器學習算法。可能會讀取這些海量數據，根據作者的說法，

藝術家對黑洞的概念。”
計算機所做的決定中星係特征的相對權重可能會指出其強烈活動的來源，無線電輻射通常與銀河係的其他光線截然不同，葡萄牙是該觀測站聯合體的成員，“根據目前的觀察，將我的專業技能應用到這個領域是有意義的，它能夠預測比使用明確指令的傳統方法多四倍的射電星係。
“在天文學將獲得大量數據的新時代，我認為這是我在該公司工作的延伸。開發先進的數據處理和分析技術變得越來越重要，這些是這個研究團隊開發的機器學習算法訓練中使用的一些星係。