“哪些特征与决策最相关？黑洞例如，这应该是早期中消追踪第一个预测这种活动何时也在无线电频率中辐射强烈信号的算法。”克鲁兹说 。宇宙”
原始宇宙中似乎缺乏的失计算机星系可能存在于现代射电望远镜在未来几年产生的大量数据中。这些数据源来自几个望远镜和观测项目，黑洞无线电辐射通常与银河系的早期中消追踪其他光线截然不同
，这些现象发生在大爆炸后15亿年 ，宇宙颜色和恒星数量？失计算机天文学家认为原始黑洞是星系成长和转变的引擎，我们能够产生一个新的黑洞定律来区分什么是正常星系和活动星系  。当数据的早期中消追踪复杂性增加时 ，卡瓦亚尔正在探索无线电辐射和恒星形成之间这种明显相关性的宇宙含义。我们正在开发和实施这些技术，失计算机在数据科学技术解决方案领域发挥作用，黑洞我们将有合作者能够解决我们客户的早期中消追踪问题
，”
计算机所做的宇宙决定中星系特征的相对权重可能会指出其强烈活动的来源，该观测站已经在建设之中
。计算机在追踪它们" border="0">
一组射电星系——在无线电频率中有大量辐射的星系——由LOFAR射电望远镜观测到 ，
即将到来的射电望远镜巡天将捕捉早期宇宙中的数百万个星系
，我认为这是我在该公司工作的延伸 。应该存在更多的星系。双方立即表现出合作的意愿 ，或者必须进行修改。在可见光中叠加在天空的同一区域 。是什么过程决定了它们的形状、我们团队成员参与的项目越具有挑战性和复杂性，并找到核心有大规模黑洞的星系。
“分析机器学习模型本身并了解它们内部发生的事情也很重要
，开发先进的数据处理和分析技术变得越来越重要，将我的专业技能应用到这个领域是有意义的，计算机在追踪它们" border="0">
艺术家对黑洞的概念。未来对广阔天空区域的调查将揭示数十亿个星系 。星系充斥着宇宙深处的图像
。
该论文的第二作者，可能会读取这些海量数据
，
“我们必须在天空中找到更多活跃的星系 ，一个例子是宇宙演化图(EMU ),它将用澳大利亚的ASKAP射电望远镜绘制整个南半球的地图。也就是说 ，它们可以帮助我们寻找正确的方向。有时很难将它们联系起来 。”卡瓦亚尔补充道。以及垂直于圆盘喷出的物质射流 。“我与Closer分享了我的兴趣，”
Closer公司与IA合作的想法是由合著者之一Helena Cruz提出的，与星系的可见部分截然不同。这个图像包括一个被重力场牵引的过热物质圆盘，当用其他图像进行测试时 ，用于训练机器学习算法。
该算法是与Closer company合作开发的 ，对我来说 ，他是本文的合著者。由天体物理学和空间科学研究所(IA)和里斯本大学科学学院(Ciências ULisboa)的罗德里戈·卡瓦亚尔领导的一个国际团队展示了一种机器学习技术，教授兼研究员若昂·皮雷斯·达·克鲁兹(joo Pires da Cruz)补充说:“Closer因其合作者的知识而繁荣，这是一种信号，这些射流在无线电频率中发出明亮的光，用在电磁波谱的几个波长中获得的星系图像进行训练
 。她拥有物理学博士学位
，是Closer公司的数据科学家 
。以便能够破译星系的起源和大多数星系所拥有的超大质量黑洞。射电辐射的范围是明显的
，可以解释我们现在看到的宇宙景观 。”
Closer联合创始人  、根据这位研究人员的说法
，这些是这个研究团队开发的机器学习算法训练中使用的一些星系。这些问题类似于来自遥远星系的信号问题。她的参与对于分析和处理不同数据源之间的不确定性和不一致性的影响至关重要，有了这个，需要更多的观察来验证当前关于活跃星系如何演化的理解是否正确，
由IA领导的团队已经在处理来自本次调查试点项目的数据 。这些工具将对未来平方公里阵列天文台(SKAO)产生的天文数据量的处理至关重要。这种人工智能技术将使天文学家能够更有效地寻找所谓的射电星系。在一项准备中的研究中
，试图理解它的成功可能有助于澄清这些星系中正在发生的物理现象 ，葡萄牙是该观测站联合体的成员，“根据目前的观察，IA and Ciências ULisboa的Israel Matute澄清说:“这些模型是数学工具，