Chiamata alle armi per un progetto di citizen science sui dati raccolti da Euclid: si tratta di classificare le galassie contenute nelle 820.000 “(and counting”) immagini preparate da ESA, Consorzio Euclid e Zooniverse.
La presentazione del progetto dal blog In the Dark .
(su mastodon: @telescoper.blog@telescoper.blog)
I’ll start with a little factoid which might surprise you: already in November 2023, before science operations even began, Euclid had sent back to Earth more data than the Hubble Space Telescope has done in in its entire lifetime. […]
The first set of data, which contains tens of thousands of galaxies selected from more than 800 000 images, has been made available on the platform, and is waiting for you to help classify them. If you partake in the project, you could be the first to lay eyes on Euclid’s latest images. Not only that, you could also be the first human ever to see the galaxy in the image.
Come spiegato nell’approfondimento di Zooniverse, il lavoro degli utenti verrà utilizzato anche per addestrare una AI dedicata.
Euclid captures images of tens of millions of galaxies like those we’re showing here. To classify that impossibly-large pile of galaxies, we’re using your classifications to train AI algorithms. But the AI algorithms need to be ready for the scientists by the end of August - in only one month! We need as many volunteer classifications for teaching the AI algorithms as we can get; our goal is 100,000 classifications. We’re calling this The Euclid Challenge. Spread the word and dive in!
Molto interessante!
Qualcuno ci ha già provato?
Io ho letto il tutorial e mi sono buttato nella classificazione, però mi sa che devo farmi un piccolo studio sulle diverse caratteristiche delle galassie per poter dare un contributo più accurato.
Gli ho dedicato un’oretta prima di segnalarlo. A mio avviso sconta il difetto di molte iniziative simili, ossia un tutorial molto - troppo - anemico.
E’ vero che scrivono:
Many of the galaxies are distant, so the answer may not always be obvious - just take your best guess.
… però spesso si finisce a tirare a indovinare, ricavandone la sgradevole sensazione di avvelenare i risultati. E’ un peccato perché basterebbe aggiungere una galleria un minimo corposa di esempi per avere una esperienza più appagante e magari anche risultati migliori.
Avevo anche io la stessa sensazione, però per ogni task c’è un link “Need some help with this task” che mostra una galleria di esempi che mi ha aiutato un poco a dare delle etichette migliori, o almeno spero! Per ogni task c’è una libreria diversa. Inizialmente pensavo fosse un link puramente per un aiuto software e l’avevo ignorato
Segnalo anche un progetto parallelo, legato alla ricerca delle lenti gravitazionali.
Su questo progetto non sono riuscito a dedicarmici, mentre quello di classificazione delle galassie ci ho giocato parecchio e alla lunga dà molte soddisfazioni. Consigli di sfogliare le gallerie dei preferiti degli utenti per trovare delle immagini molto belle.
