Forskare Utvecklar AI som Kan Upptäcka och Klassificera Galaxer

Forskare vid UC Santa Cruz har utvecklat Morpheus, en datorprogram som kan analysera pixlarna i astronomiska bilddata. Den kan sedan identifiera och klassificera alla galaxer och stjärnor som finns i stora datamängder som kommer från astronomiska undersökningar.

Vad är Morpheus

Morpheus är ett djupinlärningsramverk som består av olika artificiella intelligens (AI) teknologier. AI-teknologierna fokuserar på vissa tillämpningar som bild- och talsigenkänning.

Brant Robertson är professor i astronomi och astrofysik. Han är ansvarig för Computational Astrophysics Research Group vid UC Santa Cruz. Enligt Robertson behöver vissa uppgifter som traditionellt utförs av astronomer automatiseras. Detta beror på att storleken på astronomiska datamängder ständigt ökar.

“Det finns vissa saker som vi helt enkelt inte kan göra som människor, så vi måste hitta sätt att använda datorer för att hantera den enorma mängd data som kommer att komma in under de närmaste åren från stora astronomiska undersökningar”, sa han.

Ryan Hausen är en datavetenskapsstudent vid UCSC:s Baskin School of Engineering. Han samarbetade med Anderson om Morpheus under de senaste två åren.

Deras resultat publicerades den 12 maj i Astrophysical Journal Supplement Series. Morpheus-koden kommer också att släppas till allmänheten och det kommer att finnas online-demonstrationer.

Morfologier av Galaxer

Astronomer kan lära sig hur galaxer bildas och utvecklas över tiden genom att observera morfologier av galaxer.

Det finns vissa storskaliga undersökningar som kommer att genomföras som kommer att generera enorma mängder bilddata som kan användas. En av dessa undersökningar är Legacy Survey of Space and Time (LSST), och den kommer att genomföras vid Vera Rubin Observatory i Chile.

Robertson har aktivt arbetat med att använda data för att bättre förstå bildandet och utvecklingen av galaxer.

När LSST genomförs kommer det att ta över 800 panoramabilder per natt med en 3,2 miljarder pixlar kamera. Två gånger i veckan kommer LSST också att spela in hela synliga himlen.

“Tänk om du gick till astronomer och bad dem att klassificera miljarder objekt – hur kunde de möjligtvis göra det? Nu kommer vi att kunna automatiskt klassificera dessa objekt och använda den informationen för att lära oss om galaxutveckling”, sa Robertson.

Djupinlärningsteknologi för Galaxer

Djupinlärningsteknologi har använts av vissa astronomer för att klassificera galaxer, men det kräver vanligtvis att befintliga bildigenkänningsalgoritmer anpassas. Algoritmerna matas traditionellt med kuraterade bilder av galaxer.

Morpheus utvecklades specifikt för astronomiska bilddata. Den använder den ursprungliga bilddata som är i standard digitalt format som används av astronomer.

Enligt Robertson är en av de viktigaste punkterna med Morpheus pixelnivåklassificering.

“Med andra modeller måste du veta att något finns där och mata modellen med en bild, och den klassificerar hela galaxen på en gång”, sa han. “Morpheus upptäcker galaxerna åt dig, och gör det pixel för pixel, så den kan hantera mycket komplicerade bilder, där du kanske har en sfärisk bredvid en skiva. För en skiva med en central bulge klassificerar den bulgen separat. Så det är mycket kraftfullt.”

Forskarna använde information från en studie 2015 för att träna djupinlärningsalgoritmen. Studien samlade in data och klassificerade runt 10 000 galaxer i Hubble-rymdteleskopets bilder från CANDELS-undersökningen. Morpheus tillämpades sedan på bilddata från Hubble Legacy Fields.

Efter att ha bearbetat en bild av en del av himlen genererar Morpheus sedan en ny uppsättning bilder av samma område, och den färgkodar alla objekt baserat på deras morfologi. Astronomiska objekt skiljs från bakgrunden, och den identifierar stjärnor och olika typer av galaxer. Programmet körs på USCS:s lux-superdator, där en pixel-för-pixel-analys för hela datamängden snabbt genereras.

“Morpheus tillhandahåller upptäckt och morfologisk klassificering av astronomiska objekt på en nivå av granularitet som inte för närvarande finns”, sa Hausen.

Arbetet som slutfördes av forskarna stöddes av NASA och National Science Foundation.