به گزارش گروه علم و آموزش ایران اکونومیست از پایگاه خبری سایِنس دیلی (Science Daily)، براساس داده‌های جدید به‌دست‌آمده از یک ابزار تعاملی که از مأموریت فضایی گایا (آژانس فضایی اروپا) و سایر مجموعه داده‌های علوم فضایی بهره‌برداری می‌کند، اخترشناسان انیمیشنی ساختند تا به‌وسیله آن غبار در کهکشان راه شیری را مدل‌سازی کنند. این اثر در نشست ملی نجوم در دانشگاه وارویک انگلیس ارایه شد.
این انیمیشن تجمع گردوغبار را از همسایگی زمین تا ۱۳ هزار سال نوری به سمت مرکز کهکشان، حدود ۱۰ درصد کل راه شیری، نشان می‌دهد. در همان نزدیکی، گردوغبار در اطراف می‌چرخد؛ اما در خارج از آن، غلظت غبار در امتداد صفحه کهکشانی مشخص می‌شود. دو پنجره، یکی در بالا و دیگری در زیر صفحه کهکشانی آشکار می‌شوند.
نیک کاکس (Nick Cox)، هماهنگ‌کننده طرح اکسپلور (EXPLORE) که در حال توسعه ابزارهای تعاملی است، در این زمینه گفت:ابرهای غبار با شکل‌گیری و مرگ ستاره‌ها مرتبط هستند؛ بنابراین، نحوه توزیع آنها بیانگر این است که چگونه ساختارها در کهکشان شکل گرفتند و چگونه کهکشان تکامل یافت. نقشه‌ها برای کیهان‌شناسان اهمیت دارند زیرا مناطقی را آشکار می‌کنند که در آنها هیچ غباری نیست و ما می‌توانیم منظره‌ای واضح و بدون مانع از کهکشان راه شیری ببینیم تا جهان ماورا را مطالعه کنیم؛ همان‌طور که با هابل یا تلسکوپ فضایی جدید جیمز وب مشاهدات میدانی عمیق انجام می‌دهیم.
ابزارهایی که از آنها برای ساخت این انیمیشن استفاده شد، داده‌هایی از مأموریت فضایی گایا و پروژه ۲MASS را ترکیب کرده بودند. این ابزارها بخشی از مجموعه‌ای از برنامه‌های کاربردی هستند که برای حمایت از مطالعه ستاره‌ها و کهکشان‌ها و همچنین اکتشافات ماه طراحی شده‌اند و با بودجه برنامه افق ۲۰۲۰ اتحادیه اروپا توسعه یافته‌اند.
آلبرت زیجلسترا (Albert Zijlstra) از پژوهشگران دانشگاه منچستر انگلیس و طرح اکسپلور هم گفت: آخرین دستاوردهای علمی یادگیری ماشین و تجزیه و تحلیل بصری این قدرت را دارند که اکتشافات را در مأموریت‌های علمی فضایی افزایش دهد؛ اما استفاده از آنها هنوز در زمینه نجوم نسبتاً جدید است.
وی افزود: با انتشار ثابت داده‌های جدید، مانند انتشار اخیر سومین داده‌های گایا در ژوئن ۲۰۲۲ میلادی، ما با حجم فزاینده‌ای از اطلاعات روبه‌رو هستیم که از مقداری که انسان می‌تواند در طول عمرش پردازش کند، بیشتر است.
این محقق یادآور شد: ما به ابزارهایی نیازمندیم که به ابزارهایی شبیه باشد که در حال طراحی آن برای طرح اکسپلور هستیم تا از کشف علمی حمایت کنیم. این ابزارها برای توصیف ویژگی داده‌ها یا انتخاب جالب‌ترین یا غیرمعمول‌ترین جلوه‌ها و ساختارها به ما کمک می‌کنند.
