Нейросеть распознает космические объекты на снимках телескопов

❋ 4.7

Португальские астрофизики обучили искусственный интеллект автоматически определять галактики, звезды и квазары на снимках миллионов далеких светил.

Астрономия

# Euclid

# ИИ

# искусственный интеллект

# космические объекты

# нейросеть

Европейский зонд Euclid соберет фотометрию для самых далеких галактик / ©ESA, C. Carreau / Автор: Visellia Orfius

Классификация космических объектов на астрономических снимках не так проста, как может показаться. Находясь на огромных расстояниях, они выглядят как слабые, часто размытые светящиеся точки. Глядя на них, часто сложно сказать, с чем мы имеем дело — звездой или галактикой, сверхновой или квазаром. В то же время масштабные обзоры неба, которые проводят в последние десятилетия, собрали колоссальные массивы снимков, нуждающиеся в таком анализе. Проводить его традиционными методами слишком тяжело и долго.

Поэтому ученые из Португалии решили автоматизировать задачу и использовать для этого искусственный интеллект. Педро Кунха (Pedro Cunha) и Эндрю Хамфри (Andrew Humphrey) из Института астрофизики и космических наук (IA) разработали модель SHEEP, способную быстро и точно классифицировать далекие космические объекты на снимках телескопов. Детали проекта они приводят в статье, опубликованной в журнале Astronomy & Astrophysics.

SHEEP — модель машинного обучения с подкреплением, которая использует спектры и координаты космических объектов, а также определяет фотометрическое красное смещение, чтобы точнее классифицировать их. Красное смещение вместе с координатами позволяет системе оценить примерное положение источника в пространстве, чтобы лучше распознавать его. Например, если объект находится в плоскости Млечного Пути, он с большей вероятностью будет звездой, а если вне этой плоскости — удаленной галактикой.

Для демонстрации работы SHEEP авторы проанализировали с его помощью обширные базы данных обзоров SDSS (сделанного наземными инструментами) и WISE (сделанного одноименным космическим телескопом), содержащие фотометрические данные для примерно трех с половиной миллионов далеких источников. Точность определения алгоритмом звезд составила 98,5 процента, галактик — 96,7 процента, а квазаров (активных ядер молодых галактик) — 99 процентов.

«Позволив искусственному интеллекту включать данные о положении источников в пространстве, мы улучшили его способность принимать правильные решения о природе этих источников», — рассказал профессор Хамфри. Ученые надеются, что их система поможет находить интересные объекты в огромных массивах данных, которые появятся в ближайшее время — в частности, благодаря новой космической миссии ESA Euclid. Аппарат готовится к запуску в 2023 году и займется сверхточным измерением красных смещений далеких галактик.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.