ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-72
Часть–1_ июня–2025
52
2181-
3187
ASTRONOMIYADA SUN’IY INTELLEKT: YULDUZLAR
HARAKATINI PROGNOZ QILISH
Xomidjonova Mastona
1
Nizomiy nomidagi O’zbekiston milliy
pedagogika unversiteti talabasi
Annotatsiya
Mazkur maqolada astronomiya sohasida sun’iy intellekt (SI) texnologiyalarining
qo‘llanilishi, ayniqsa yulduzlar harakatini aniqlash va prognoz qilishdagi o‘rni
yoritiladi. Zamonaviy kuzatuv uskunalari tomonidan yig‘ilgan katta hajmdagi
ma’lumotlar sun’iy intellekt algoritmlari orqali tahlil qilinmoqda. Maqolada regressiya
modellaridan tortib neyron tarmoqlargacha bo‘lgan yondashuvlar, ularning ustun
jihatlari va O‘zbekiston sharoitida qo‘llanish imkoniyatlari haqida fikr yuritiladi.
Annotation
This article examines the use of artificial intelligence (AI) in astronomy,
particularly in predicting stellar motion. Modern telescopes collect vast amounts of
data, which are now being analyzed using AI algorithms. Various approaches, from
regression models to neural networks, are discussed, along with their advantages and
potential applications in Uzbekistan’s scientific context.
Kalit so‘zlar
sun’iy intellekt, astronomiya, yulduzlar harakati, prognoz qilish, neyron
tarmoqlar, katta ma’lumotlar
Kirish
Astronomiya insoniyat tarixidagi eng qadimiy fanlardan biri bo‘lib, osmon
jismlarining harakati va ularning qonuniyatlarini o‘rganadi. Hozirgi davrda astronomik
ma’lumotlar hajmi nihoyatda ortib bormoqda va bu ma’lumotlarni tahlil qilishda sun’iy
ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-72
Часть–1_ июня–2025
53
2181-
3187
intellekt (SI) texnologiyalarining o‘rni beqiyosdir. Yulduzlar harakatini prognoz qilish
SI yordami bilan ancha tez va aniq bajarilmoqda. Ushbu maqola shu muammoning
dolzarbligini, ilmiy va amaliy qiymatini yoritadi.
So‘nggi yillarda SI algoritmlarining astronomik tahlillarda qo‘llanishi bo‘yicha
ko‘plab tadqiqotlar olib borilmoqda. Gaia missiyasi tomonidan yig‘ilgan ma’lumotlar,
Ball va Brunner (2010) hamda Fluke va Jacobs (2020) tomonidan chop etilgan
maqolalar SI ning astronomiyadagi real amaliyotga tatbiq etilishini ko‘rsatadi.
Shuningdek, Ahmed va hammualliflarining tadqiqoti (2021) yulduzlar harakati
prognozida chuqur o‘rganish (deep learning) usullarining afzalligini ta’kidlaydi.
Asosiy qism
Yulduzlar harakati va fizik asoslar
Yulduzlarning harakati Nyuton va Einshteyn qonunlari asosida modellashtiriladi.
Har bir yulduz o‘z orbitasida galaktika markazi atrofida harakatlanadi. Ularning holati,
tezligi va yo‘nalishini aniqlash uchun teleskopik kuzatuvlar orqali katta hajmdagi
raqamli ma’lumotlar yig‘iladi.
Yulduzlar haqidagi katta hajmdagi va murakkab ma’lumotlar SI orqali tahlil
qilinmoqda.
Quyidagi
metodlar
ayniqsa
samarali
deb
topilgan:
-
Regressiya
modellar
—
orbitani
bashorat
qilish
uchun;
- Neyron tarmoqlar (ANN, RNN, LSTM) — vaqtli ketma-ketlik asosida prognozlash;
- Physics-informed machine learning — fizik qonunlarga asoslangan SI yondashuvlar.
Gaia missiyasida ushbu modellar muvaffaqiyatli sinovdan o‘tkazilgan.
O‘zbekistonda zamonaviy astronomik kuzatuvlar uchun ilmiy salohiyat mavjud.
Ulug‘bek rasadxonasi tarixiy obida sifatida tanilgan bo‘lsa-da, hozirgi zamon
observatoriyalarida zamonaviy SI texnologiyalarini joriy etish imkoniyati bor.
Talabalar va yosh olimlar uchun ochiq platformalar (masalan, TensorFlow, PyTorch,
Astropy) orqali yulduzlar harakatini modellashtirish loyihalarini boshlash mumkin.
ОБРАЗОВАНИЕ НАУКА И ИННОВАЦИОННЫЕ ИДЕИ В МИРЕ
https://scientific-jl.org/obr
Выпуск журнала №-72
Часть–1_ июня–2025
54
2181-
3187
Xulosa
Yulduzlar harakatini prognoz qilishda sun’iy intellekt vositalari zamonaviy
yondashuv sifatida keng qo‘llanilmoqda. Ushbu maqolada SI ning asosiy usullari,
ularning afzalliklari va amaliy tatbiqlari ko‘rib chiqildi. O‘zbekiston ilm-fani uchun bu
texnologiyalarni joriy etish orqali nafaqat astronomik kuzatuvlar samaradorligini
oshirish, balki xalqaro ilmiy hamkorlikni rivojlantirish mumkin.
Foydalanilgan adabiyotlar (APA uslubida)
1.
Ball, N. M., & Brunner, R. J. (2010). Data mining and machine learning in
astronomy. International Journal of Modern Physics D, 19(07), 1049–1106.
2.
Gaia Collaboration. (2022). Gaia Data Release 3: Stellar kinematics and the Milky
Way. Astronomy & Astrophysics, 667, A1.
3.
Fluke, C. J., & Jacobs, C. (2020). Surveying the reach and maturity of machine
learning and artificial intelligence in astronomy. WIREs Data Mining and Knowledge
Discovery, 10(2).
4.
Ahmed, Z., et al. (2021). Artificial intelligence for astronomy and astrophysics.
arXiv preprint arXiv:2106.01510.
5.
TensorFlow.org. (2024). Time Series Forecasting with LSTM in Astronomy.
https://www.tensorflow.org
6.
O‘zbekiston Milliy Ensiklopediyasi. (2022). Astronomiya va zamonaviy
texnologiyalar bo‘limi.
7.
Astropy Project. (2023). Python tools for astronomy. https://www.astropy.org
