Tutkijat kehittivät tekoälyjärjestelmän, joka pystyy havaitsemaan ja luokittelemaan galakseja

Kalifornian yliopiston Santa Cruzin kampuksen tutkijat ovat kehittäneet Morpheus-nimisen tietokoneohjelman, joka pystyy analysoimaan astronomisten kuvien pikseleitä. Se voi tunnistaa ja luokitella kaikki galaksit ja tähdet, jotka ovat suurissa aineistoissa, jotka tulevat astronomian tutkimuksista.

Mikä on Morpheus

Morpheus on syväoppimisraamakka, joka koostuu erilaisista tekoälytekniikoista. Tekoälytekniikat keskittyvät sovelluksiin, kuten kuvan- ja puheentunnistukseen.

Brant Robertson on astronomian ja astrofysiikan professori. Hän johtaa laskennallisen astrofysiikan tutkimusryhmää UC Santa Cruzissa. Robertsonin mukaan tietyt tehtävät, jotka perinteisesti tehtiin astronomien toimesta, on automatisoitava. Tämä johtuu siitä, että astronomian aineistojen koot kasvavat jatkuvasti.

“On joitakin asioita, joita emme voi tehdä ihmisinä, joten meidän on löydettävä tietokoneiden avulla keinoja käsitellä valtava määrä dataa, joka tulee seuraavien vuosien aikana suurista astronomisista tutkimushankkeista,” hän sanoi.

Ryan Hausen on tietojenkäsittelytieteen jatko-opiskelija UCSC:n Baskin School of Engineering -yksikössä. Hän työskenteli Morpheuksen parissa Andersonin kanssa viimeisten kahden vuoden aikana.

Heidän tuloksensa julkaistiin 12. toukokuuta Astrophysical Journal Supplement Series -julkaisussa. Morpheus-ohjelma tullaan myös julkaisemaan yleisölle, ja siitä tullaan esittämään verkkodemonstraatioita.

Galaksien morfologia

Astronomit voivat oppia, miten galaksit muodostuvat ja kehittyvät ajan myötä, tutkimalla galaksien morfologiaa.

On suunnitteilla useita laajoja tutkimuksia, jotka tuottavat valtavat määrät kuvadataa, joita voidaan käyttää. Yksi näistä tutkimuksista on Legacy Survey of Space and Time (LSST), joka suoritetaan Vera Rubin -observatoriossa Chilessä.

Robertson on ollut aktiivisesti mukana kehittämässä keinoja käyttää dataa galaksien muodostumisen ja kehittymisen ymmärtämiseen.

Kun LSST suoritetaan, se ottaa yli 800 panoraamakuvaa per yö 3,2 miljardin pikselin kameralla. Kaksi kertaa viikossa LSST myös tallentaa koko näkyvän taivaan.

“Kuvittele, jos menisit astronomien luo ja pyytäisit heitä luokittelemaan miljardeja objekteja – miten he voisivat tehdä sen? Nyt pystymme automaattisesti luokittelemaan nämä objektit ja käyttämään tietoa galaksien evoluution ymmärtämiseen,” Robertson sanoi.

Syväoppimisteknologia galakseja varten

Syväoppimisteknologiaa on käytetty joissakin tapauksissa galaksien luokitteluun, mutta se vaatii yleensä olemassa olevien kuvantunnistusohjelmien sovittamisen. Ohjelmat on perinteisesti ruokittu valikoituilla galaksikuvilla.

Morpheus kehitettiin erityisesti astronomisen kuvadatan analysointia varten. Se käyttää alkuperäistä kuvadataa, joka on astronomien käyttämässä standardidigitaaliformaatissa.

Robertsonin mukaan yksi Morpheuksen tärkeimmistä ominaisuuksista on pikselikohtainen luokittelu.

“Muiden mallien kanssa sinun on tiedettävä, että jokin on siellä, ja sinun on syötettävä malliin kuva, ja se luokittelee koko galaksin kerran,” hän sanoi. “Morpheus löytää galaksit sinulle, ja se tekee sen pikseli pikseliltä, joten se pystyy käsittelemään hyvin monimutkaisia kuvia, joissa voi olla esimerkiksi sferoidi ja levy galaksi vierekkäin. Levygalaksille, jossa on keskellä pallomaisuus, se luokittelee pallomaisuuden erikseen. Se on siis hyvin voimakas.”

Tutkijat käyttivät tietoa vuoden 2015 tutkimuksesta kouluttaakseen syväoppimisalgoritmin. Tutkimus keräsi dataa ja luokitteli noin 10 000 galaksia Hubble-avaruusteleskoopin kuvista CANDELS-tutkimuksesta. Morpheus sovellettiin sitten Hubble Legacy Fields -kuvadatan analysointiin.

Kun Morpheus on prosessoinut taivaankappaleen kuvan, se generoi uuden kuvan samasta alueesta ja värillistää kaikki objektit morfologian mukaan. Astronomiset objektit erotellaan taustasta, ja se tunnistaa tähdet ja erilaiset galaksit. Ohjelma suoritetaan USCS:n lux-supertietokoneella, jossa pikselikohtainen analyysi koko aineistosta voidaan luoda nopeasti.

“Morpheus tarjoaa havaintoja ja morfologisen luokittelun astronomisista objekteista tarkkuudella, jota ei ole aiemmin ollut olemassa,” Hausen sanoi.

Tutkijoiden työtä tukivat NASA ja National Science Foundation.