Pētnieki ir mācījuši mākslīgā intelekta (AI) programmu, kas tiek izmantota, lai atpazītu sejas Facebook, lai identificētu galaktikas dziļā telpā. Rezultātā projekts parādījās ClaRAN, skenējot fotogrāfijas no radio teleskopiem. Galvenais uzdevums ir noteikt radio galaktikas - avotus ar spēcīgām radio stacijām no centrālajiem supermassīvajiem melnajiem caurumiem. Tiek uzskatīts, ka lielie melnie caurumi atrodas vairuma galaktiku centrā (varbūt visi).
Periodiski supermassīvi melni caurumi atbrīvo strūklas, kas piestiprinātas ar radio teleskopiem. Laika gaitā viņi var sasniegt tālu no vietējām galaktikām, tāpēc ir grūti atrast precīzu tradicionālo programmu avotu. Tāpēc ClaRAN pārņem.
14 prognozes par radio galaktikām no ClaRAN tika veiktas radio un infrasarkanā starojuma datu skenēšanas laikā. Visas prognozes tiek veiktas ar augstu „uzticības” līmeni. Uzticība 1,00 norāda, ka ClaRAN ir ļoti pārliecināts, ka tā ir radio galaktiku sistēma, un tās klasifikācija joprojām ir pareiza
Sākotnēji programma tika izmantota, lai atklātu Microsoft un Facebook objektus. Bet tas bija pilnīgi pārtaisīts un pielāgots, lai meklētu galaktikas, nevis cilvēkus. ClaRAN ir pieejams atvērtā koda.
Apvienojot datus no dažādiem teleskopiem, palielinās ClaRAN uzticības līmenis atklāšanai un klasifikācijai. Uzticēšanās pie 1.00 norāda, ka programma ir pārliecināta, ka atrastais avots ir radio galaktika. Kreisajā pusē ir radusies galaktika, ko ClaRAN atrada, izmantojot radioteleskopa rādītājus (prognoze - 0,53 un 0,63). Pa labi - to pašu galaktiku, bet pievienojot datus no IR teleskopa (uzticība - 1,00)
Gaidāmie pētījumi ar Austrālijas radiointerferometru ASCAP parādīs līdz 70 miljoniem galaktiku. Tradicionālie datoru algoritmi spēj pareizi identificēt tikai 90% avotu. Tas nozīmē, ka 10% vai 7 miljoni sarežģītu galaktiku tiks ignorētas, ja nepieslēdzat ClaRAN. Mācību programmām tika izmantots augstas precizitātes galaktikas katalogs.
Jaunās paaudzes programmētāji tērē 99% sava laika, lai radītu labākas kvalitātes datu kopas, un pēc tam viņi apmāca AI algoritmus, lai optimizētu datus. Tā ir plānošanas nākotne. Ja mums izdosies ieviest šīs progresīvās metodes nākamās paaudzes teleskopiem, tad zinātni var palielināt.
