Universität Wien
Besprechungsraum 4.34
Währinger Str. 29
1090 Wien
Titel: “Lodestar: Supporting exploration and discoveries of
unknown star clusters”
Kurzfassung:
Bei der Suche nach neuen Sternhaufen stehen Astronomen vor zahlreichen Herausforderungen
im Bereich des unbeaufsichtigten maschinellen Lernens. Die Verarbeitung großer Datensätze mit
Millionen bis Milliarden von Sternen sowie Sternhaufen, die sich in einem Meer von Rauschen
verstecken das über 95% der Daten ausmacht, stellen sowohl Data-Mining-Tools als auch Anwender
vor große Herausforderungen. Verschiedene Größen und Dichten dieser Haufen sind
weitere Schwierigkeiten, die es zu bewältigen gilt. Trotz dieser Herausforderungen ist Clustering
nach wie vor ein effizientes Werkzeug für die Analyse astronomischer Daten. Die Erkundung
des Lösungsraums und die Identifizierung optimaler Ergebnisse in Clustering-Methoden können
jedoch schwierig sein, da mehrere Parameter vorhanden sind, die manuell nur schwer abzustimmen
sind. Selbst wenn die Parameter einfach zu verstehen sind, ist es oft schwierig, die
Auswirkungen von Parameteränderungen abzuschätzen. Daher ist ein systematischer Ansatz
zur Erkundung des Lösungsraums und zur Ermittlung optimaler Ergebnisse erforderlich. Um
diese Herausforderungen zu bewältigen, schlagen die Autoren ein neuartiges Visualisierungstool
namens ”Lodestar” vor. Dieses Tool soll dabei helfen, den Lösungsraum, der von der neuartigen
Clustering-Algorithmus-Pipeline SigMA geschaffen wurde, zu erkunden, um den Algorithmus
besser zu verstehen, seinen Lösungsraum zu erforschen und interessante Clustering-Ergebnisse
in der großen Menge von Lösungen zu finden. Basierend auf den Ergebnissen von Benutzertests
findet dieses Tool erfolgreich geeignete Clustering-Lösungen und soll im Labor der Astronomen
eingesetzt werden, um bei der Identifizierung von Sternstrukturen in der Milchstraße zu helfen.