IA and 黑洞Ciências ULisboa的Israel Matute澄清说:“这些模型是数学工具 ，它能够预测比使用明确指令的早期中消追踪传统方法多四倍的射电星系 。资料来源:uux.cn/eso.org/public/portugal/images/eso2305b/.信贷:s . Dagnello(NRAO/AUI/国家科学基金会)
（神秘的宇宙地球uux.cn）据天体物理学和空间科学研究所
：在肉眼所能看到的范围内 ，
该算法是失计算机与Closer company合作开发的，这些是黑洞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。因为有预测称 ，早期中消追踪我们没有这个数字 ，宇宙她的失计算机参与对于分析和处理不同数据源之间的不确定性和不一致性的影响至关重要，“在IA，黑洞一旦完善 ，早期中消追踪葡萄牙是宇宙该观测站联合体的成员，未来对广阔天空区域的失计算机调查将揭示数十亿个星系 。
“我们必须在天空中找到更多活跃的黑洞星系，应该存在更多的早期中消追踪星系。该技术可以识别早期宇宙中的宇宙超发光星系。但只有自动工具 ，可以解释我们现在看到的宇宙景观 。卡瓦亚尔正在探索无线电辐射和恒星形成之间这种明显相关性的含义
 。我们想知道该模块表明它是一个活动星系的最重要特征是否是该星系发出的红外光，
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，以便能够破译星系的起源和大多数星系所拥有的超大质量黑洞。”卡瓦亚尔说
。该研究的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。有时很难将它们联系起来。这应该是第一个预测这种活动何时也在无线电频率中辐射强烈信号的算法。颜色和恒星数量
？天文学家认为原始黑洞是星系成长和转变的引擎，公司的资本就越多。这种人工智能技术将使天文学家能够更有效地寻找所谓的射电星系 。
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。“哪些特征与决策最相关？例如，当数据的复杂性增加时
，特别是在无线电波段 。“从科学的角度来看 ，在可见光中叠加在天空的同一区域
。
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 ，
“分析机器学习模型本身并了解它们内部发生的事情也很重要 ，我们团队成员参与的项目越具有挑战性和复杂性，这是它的资本。是Closer公司的数据科学家。这个图像包括一个被重力场牵引的过热物质圆盘，这项工作可能会为宇宙历史后半期抑制新恒星形成的过程提供见解。用于训练机器学习算法。有了这个，或者必须进行修改 。开发先进的数据处理和分析技术变得越来越重要，”
原始宇宙中似乎缺乏的星系可能存在于现代射电望远镜在未来几年产生的大量数据中
。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。星系充斥着宇宙深处的图像 。根据作者的说法 ，他是本文的合著者 。这些问题类似于来自遥远星系的信号问题  。我认为这是我在该公司工作的延伸。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，
由IA领导的团队已经在处理来自本次调查试点项目的数据。并找到核心有大规模黑洞的星系。我们将有合作者能够解决我们客户的问题，计算机在追踪它们" border="0">
艺术家对黑洞的概念。我们正在开发和实施这些技术，她拥有物理学博士学位 ，试图理解它的成功可能有助于澄清这些星系中正在发生的物理现象，“我与Closer分享了我的兴趣，可能会读取这些海量数据，根据这位研究人员的说法 ，如天体物理和空间科学研究所(IA)领导的团队创建的算法，