การระบุกระจุกดาวในดาราจักร M31 ด้วย Machine learning
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
มณฑกานต์ เหมือนมาตย์, ปิยภรณ์ นนท์พละ, จันทมณี พานพรหม
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ประภา สมสุข, วิวิศน์ ธนะจิตต์สิน
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
กระจุกดาวเป็นวัตถุในอวกาศห้วงลึก (Deep Sky Object) ประเภทหนึ่ง โดยกระจุกดาวนั้นประกอบด้วยกระจุกดาวเปิด (Open Cluster) และกระจุกดาวทรงกลม (Globular Cluster) โดยการศึกษากระจุกดาวทรงกลมนั้นมีส่วนเกี่ยวข้องโดยตรงกับการศึกษากาแลคซีเนื่องจากกระจุกดาวทรงกลมนั้นมักพบเจอได้ที่ Galactic Halo ซึ่งเป็นส่วนของกาแลคซีที่แยกออกมาจากส่วนที่มองเห็นได้พื้นที่ส่วนใหญ่ของ Galactic Halo เต็มไปด้วยสสารมืด (Dark Matter) และกลุ่มก๊าซบางๆ โดยการศึกษาผลกระทบจากเส้นทางเดินของแสงจากวัตถุที่อยู่ใน Galactic Halo นั้นจะช่วยให้เข้าใจธรรมชาติที่บริเวณ Galactic Halo ได้มากขึ้นในการศึกษาครั้งนี้ทำการศึกษากาแล็กซีแอนดรอเมดา (m31) เพื่อใช้อัลกอริทึมการจำแนกประเภท supervised machine learning (ML) โดยเฉพาะ Random forest และ LogisticRegression เพื่อระบุกระจุกดาวจากภาพดาวเบื้องหน้าและกาแล็กซีเบื้องหลังโดยการเก็บข้อมูลจากกล้องโทรทรรศน์ Canada France-Hawai’i Telescope (CFHT) เราเปรียบเทียบวิธีการจำแนกประเภท ML ทั้งสองนี้กับการศึกษาเกี่ยวกับกระจุกดาวทรงกลมที่เลือกโดยมนุษย์และพบว่าแบบจำลอง RandomForest มีประสิทธิภาพดีที่สุดโดนมีค่าความถูกต้องเท่ากับ 98.54% และ LogisticRegression ที่ค่าความถูกต้องอยู่ที่ 73.00% ซึ่งอัลกอริทึมทั้งสองสามารถเรียกข้อมูลที่ถูกต้องตามหลักดาราศาสตร์