Forskere udvikler AI, der kan detektere og klassificere galakser

Forskere på UC Santa Cruz har udviklet Morpheus, et computerprogram, der kan analysere pixelerne i astronomiske billeddata. Det kan derefter identificere og klassificere alle galakser og stjerner, der findes i store datasæt, der kommer fra astronomiske undersøgelser.

Hvad er Morpheus

Morpheus er et deep-learning-rammeværk, der består af forskellige kunstig intelligens-teknologier. AI-teknologierne fokuserer på bestemte anvendelser som billed- og talegenkendelse.

Brant Robertson er professor i astronomi og astrofysik. Han står i spidsen for Computational Astrophysics Research Group på UC Santa Cruz. Ifølge Robertson skal visse opgaver, der traditionelt er udført af astronomer, automatiseres. Dette skyldes, at størrelsen af astronomiske datasæt konstant er stigende.

“Der er visse ting, vi simpelthen ikke kan gøre som mennesker, så vi må finde måder at bruge computere til at håndtere den enorme mængde data, der vil komme ind i de næste få år fra store astronomiske undersøgelser,” sagde han.

Ryan Hausen er en computer science-studerende på UCSC’s Baskin School of Engineering. Han har samarbejdet med Anderson om Morpheus i de sidste to år.

Deres resultater blev offentliggjort den 12. maj i Astrophysical Journal Supplement Series. Morpheus-koden vil også blive frigivet til offentligheden, og der vil være online-demonstrationer.

Galaksernes morfologi

Astronomer kan lære, hvordan galakser dannes og udvikler sig over tid, ved at observere galaksernes morfologi.

Der er visse store undersøgelser, der skal finde sted, som vil generere enorme mængder af billeddata, der kan bruges. En af disse undersøgelser er Legacy Survey of Space and Time (LSST), og den vil blive gennemført på Vera Rubin-observatoriet i Chile.

Robertson har aktivt arbejdet på at finde måder at bruge data til bedre at forstå galaksernes dannelse og udvikling.

Når LSST gennemføres, vil den tage over 800 panoramabilleder om natten med en 3,2 milliarder pixel-kamera. To gange om ugen vil LSST også optage hele den synlige himmel.

“Forestil dig, at du går til astronomer og beder dem om at klassificere milliarder af objekter – hvordan kunne de nogensinde gøre det? Nu vil vi være i stand til automatisk at klassificere disse objekter og bruge den information til at lære om galakse-evolution,” sagde Robertson.

Deep-learning-teknologi til galakser

Deep-learning-teknologi er blevet brugt af visse astronomer til at klassificere galakser, men det kræver normalt, at eksisterende billedgenkendelsesalgoritmer tilpasses. Algoritmerne fødes normalt med kuraterede billeder af galakser.

Morpheus er udviklet specifikt til astronomiske billeddata. Det bruger de originale billeddata, der er i standard digitalt format brugt af astronomer.

Ifølge Robertson er et af de vigtigste punkter ved Morpheus pixel-niveau-klassificering.

“Med andre modeller skal du vide, at noget er der, og føde modellen et billede, og så klassificerer den hele galaksen på én gang,” sagde han. “Morpheus opdager galakserne for dig, og gør det pixel for pixel, så den kan håndtere meget komplicerede billeder, hvor du måske har en sfærisk lige ved siden af en skive. For en skive med en central bulge klassificerer den bulgen separat. Så det er meget kraftfuldt.”

Forskerne brugte information fra en studie i 2015 til at træne deep-learning-algoritmen. Studiet samlede data og klassificerede omkring 10.000 galakser i Hubble-rumteleskopets billeder fra CANDELS-undersøgelsen. Morpheus blev derefter anvendt på billeddata fra Hubble Legacy Fields.

Efter at have behandlet et billede af en del af himlen genererer Morpheus derefter en ny sæt af billeder af samme område, og det farvekoder alle objekter baseret på deres morfologi. Astronomiske objekter adskilles fra baggrunden, og det identificerer stjerner og forskellige typer galakser. Programmet kører på USCS’s lux-supercomputer, hvor en pixel-for-pixel-analyse for hele datasættet hurtigt genereres.

“Morpheus giver detektion og morfologisk klassificering af astronomiske objekter på et niveau af granularitet, der ikke eksisterer i øjeblikket,” sagde Hausen.

Arbejdet, der er udført af forskerne, blev støttet af NASA og National Science Foundation.