Astronomen van de NASA hebben machine learning ingezet om de eigenschappen van duizenden sterren in de Melkweg te bestuderen. De wetenschappers hopen zo nieuwe patronen te ontdekken die door mensen niet worden opgemerkt.
De astronomen gebruiken zelflerende computersystemen om bepaalde basiseigenschappen van sterren in kaart te brengen. Daarvoor worden foto's van het heelal gebruikt. Normaliter zijn gegevens over het spectrum van een ster nodig om met behulp van de verschillende golflengtes de eigenschappen van het hemellichaam te kunnen vaststellen, een tijdrovende klus voor astronomen. De machine learning-systemen van de NASA nemen echter genoegen met fotoverzamelingen, omdat zij patronen kunnen herkennen waaruit de eigenschappen van sterren zijn te herleiden.
Volgens de NASA maken de algoritmen van het machine learning-systeem het mogelijk om in relatief korte tijd miljarden sterren te analyseren. Zo kan de omvang van een ster worden vastgesteld, evenals welke metalen aanwezig zijn. Naast de snelheidswinst levert de software ook een kostenbesparing op.
De softwarealgoritmen moesten wel eerst 'getraind' worden in het herkennen van sterren. Daarvoor gebruikte de NASA een bestand waarin 9000 sterren waren opgenomen. Door de algoritmen ook te voeden met databestanden waarin de lichtcurven van de sterren waren opgenomen, kon de software na een tijdje patronen herkennen. De NASA-astronomen hebben hun bevindingen met het systeem tot dusver in een onderzoeksrapport vastgelegd.