Tusindvis af galakser klassificeret på et øjeblik

Astronomer har designet og trænet et computerprogram, der kan klassificere titusindvis af galakser på få sekunder, en opgave, der normalt tager måneder at udføre.

I forskning offentliggjort i dag, astrofysikere fra Australien har brugt maskinlæring til at fremskynde en proces, der ofte udføres manuelt af astronomer og borgerforskere over hele verden.

"Galakser kommer i forskellige former og størrelser, " sagde hovedforfatter Mitchell Cavanagh, en ph.d. kandidat baseret på University of Western Australia node af International Center for Radio Astronomy Research (ICRAR).

"Klassificering af galaksers former er et vigtigt skridt i forståelsen af ​​deres dannelse og udvikling, og kan endda kaste lys over universets natur."

Cavanagh sagde, at med større undersøgelser af himlen, der sker hele tiden, astronomer samler for mange galakser til at de kan se på og klassificere på egen hånd.

"Vi taler om flere millioner galakser i løbet af de næste par år. Nogle gange rekrutteres borgerforskere til at hjælpe med at klassificere galakseformer i projekter som Galaxy Zoo, men det tager stadig tid."

Det er her foldede neurale netværk, eller CNN'er, kom ind. I dagens højteknologiske verden, den slags computerprogrammer er overalt, bruges i alt fra medicinsk billedbehandling, aktiemarkeder og dataanalyse, til, hvordan Netflix genererer anbefalinger baseret på din visningshistorik.

I de seneste år, CNN'er er begyndt at se en bredere adoption inden for astronomi. De fleste af de eksisterende CNN'er, som astronomer bruger, er binære - er dette en spiralgalakse eller ej? Men denne nye CNN bruger multiklasse-klassifikation - er dette en elliptisk, linseformet, spiralformet, eller uregelmæssig galakse? - med mere nøjagtighed end de eksisterende binære netværk.

Cavanagh sagde, at maskinlæring bliver mere udbredt i astronomi.

"Den massive fordel ved neurale netværk er hastigheden. Undersøgelsesbilleder, der ellers ville have taget måneder at blive klassificeret af mennesker, kan i stedet klassificeres på få minutter."

"Ved brug af et standard grafikkort, vi kan klassificere 14, 000 galakser på mindre end tre sekunder."

"Disse neurale netværk bliver ikke nødvendigvis bedre end mennesker, fordi de er trænet af mennesker, men de nærmer sig med mere end 80 % nøjagtighed, og op til 97 % ved klassificering mellem elliptiske og spiraler."

"Hvis du placerer en gruppe astronomer i et rum og beder dem om at klassificere en masse billeder, der vil næsten helt sikkert være uenigheder. Denne iboende usikkerhed er den begrænsende faktor i enhver AI-model, der trænes på mærkede data."

En stor fordel ved denne nye AI er, at forskerne vil være i stand til at klassificere mere end 100, 000, 000 galakser i forskellige afstande (eller rødforskydninger) fra Jorden og i forskellige miljøer (grupper, klynger osv.). Dette vil hjælpe dem med at forstå, hvordan galakser bliver transformeret over tid, og hvorfor det kan ske i bestemte miljøer.

De CNN'er, som hr. Cavanagh har udviklet, er ikke kun til astronomi. De kan genanvendes til brug på mange andre områder, så længe de har et stort nok datasæt at træne med.

"CNN'er vil spille en stadig vigtigere rolle i fremtiden for databehandling, især når felter som astronomi kæmper med udfordringerne ved big data, " han sagde