Peneliti China kembangkan model AI proses data bintang dari teleskop

Spektrum bintang mengandung informasi unik mengenai bintang, termasuk suhu, komposisi kimia, dan gravitasi permukaan bintang tersebut. Dengan menganalisis spektrum ini, astronom dapat menelusuri sejarah evolusi galaksi Bima Sakti sejak awal pembentukannya hingga saat ini.

Namun, penelitian saat ini menghadapi tantangan yang signifikan: Proyek survei yang berbeda-beda, seperti LAMOST milik China dan satelit Gaia milik Eropa, memperoleh data spektral melalui metode, resolusi, dan rentang panjang gelombang yang bervariasi. Kumpulan data ini seperti kisah yang dituturkan dalam berbagai dialek yang berbeda, sehingga sulit untuk menggabungkannya secara langsung untuk analisis skala besar.

Guna mengatasi hambatan data ini, tim peneliti dari Observatorium Astronomi Nasional di bawah naungan Akademi Ilmu Pengetahuan China (Chinese Academy of Sciences/CAS), Universitas Akademi Ilmu Pengetahuan China (University of Chinese Academy of Sciences/UCAS), dan institusi lainnya memperkenalkan konsep yang serupa dengan model bahasa besar ke dalam bidang astronomi dan menerapkan metode pembelajaran kontras (contrastive learning), sehingga menciptakan AI yang mampu belajar dan membangun koneksi intrinsik secara mandiri antara data spektral dari berbagai sumber yang berbeda.

Menurut Huang Yang dari UCAS, SpecCLIP bertindak sebagai "penerjemah" yang mampu mengonversi spektrum beresolusi rendah dari LAMOST dan spektrum berpresisi tinggi dari Gaia ke dalam "bahasa universal." Dengan SpecCLIP, para ilmuwan dapat melakukan analisis gabungan secara mudah, serta penyelarasan dan transformasi data di beragam instrumen maupun proyek survei.

Berdasarkan penelitian tersebut, yang telah diterbitkan dalam Astrophysical Journal, SpecCLIP bukanlah model AI spesialis yang dirancang untuk tugas tunggal, melainkan sebuah kerangka kerja yang menyerupai model dasar (foundational model). Model ini mampu memprediksi parameter atmosfer bintang dan kelimpahan elemen secara sekaligus, melakukan pencarian kemiripan spektral, dan bahkan membantu mengidentifikasi objek langit yang tidak biasa.

Kemampuan-kemampuan ini sangat krusial di bidang arkeologi Galaksi, karena menjanjikan kemampuan untuk menyortir kumpulan data masif secara efisien guna menemukan bintang-bintang kuno yang sangat langka dan miskin logam, yang akan memberikan bukti penting bagi penelitian mengenai pembentukan awal serta sejarah penggabungan galaksi Bima Sakti.

SpecCLIP telah diterapkan dalam sejumlah misi eksplorasi mutakhir. Misalnya, dalam salah satu misi pencarian planet yang mirip dengan Bumi, model ini secara akurat mampu mencirikan fitur-fitur bintang induk planet (planet-hosting stars), sehingga meningkatkan efisiensi dalam menyortir planet-planet yang berpotensi layak huni.