Fjorten radiogalakseforudsigelser, ClaRAN lavede under sin scanning af radio- og infrarøde data. Alle forudsigelser blev foretaget med et højt 'tillidsniveau', vist som nummeret over registreringsboksen. En tillid på 1,00 angiver, at ClaRAN er yderst sikker på, både at kilden detekteres er et radiogalakse jet -system, og at den har klassificeret den korrekt. Kredit:Dr. Chen Wu og Dr. Ivy Wong, ICRAR/UWA.
Forskere har undervist i et kunstigt intelligensprogram, der bruges til at genkende ansigter på Facebook til at identificere galakser i dybt rum.
Resultatet er en AI -bot ved navn ClaRAN, der scanner billeder taget af radioteleskoper.
Dens opgave er at få øje på radiogalakser - galakser, der udsender kraftfulde radiostråler fra supermassive sorte huller i deres centre.
ClaRAN er hjernebarn af big data -specialist Dr. Chen Wu og astronom Dr. Ivy Wong, begge fra The University of Western Australia node i International Center for Radio Astronomy Research (ICRAR).
Dr. Wong sagde, at sorte huller findes i midten af de fleste, hvis ikke alle, galakser.
"Disse supermassive sorte huller sprænger lejlighedsvis jetfly, der kan ses med et radioteleskop, " hun sagde.
"Over tid, strålerne kan strække sig langt fra deres værtsgalakser, gør det svært for traditionelle computerprogrammer at finde ud af, hvor galaksen er.
"Det er det, vi prøver at lære ClaRAN at gøre."
Dr. Wu sagde, at ClaRAN voksede ud af en open source -version af Microsoft og Facebooks objektdetekteringssoftware.
Han sagde, at programmet blev fuldstændig revideret og uddannet til at genkende galakser i stedet for mennesker.
ClaRAN selv er også open source og offentligt tilgængelig på GitHub.
Ved at kombinere data fra forskellige teleskoper, ClaRANs 'tillidsniveau' i sine opdagelser og klassifikationer øges. Vist som tallet over registreringsboksen, en konfidens på 1,00 angiver, at ClaRAN er yderst sikker på, at kilden, der er registreret, er et radiogalakse jet -system, og som har klassificeret det korrekt. Til venstre er et radiogalakse jet -system opdaget af ClaRAN ved hjælp af kun data fra radioteleskoper. ClaRAN ved ikke, hvad det ser her, giver to forudsigelser, en dækker hele systemet med en lav konfidens på 0,53, og en, der kun dækker topstrålen med en sikkerhed på 0,67. Til højre er den samme galakse, men med infrarøde teleskopdata overlejret. Med optagelse af data fra infrarøde teleskoper er ClaRANs tillid til detektionen steget til den højeste værdi på 1,0, og ClaRAN inkluderer nu hele systemet i sin eneste forudsigelse. Kredit:Dr. Chen Wu og Dr. Ivy Wong, ICRAR/UWA
Dr. Wong sagde, at den kommende EMU-undersøgelse ved hjælp af det WA-baserede Australian Square Kilometer Array Pathfinder (ASKAP) teleskop forventes at observere op til 70 millioner galakser på tværs af universets historie.
Hun sagde, at traditionelle computeralgoritmer er i stand til korrekt at identificere 90 procent af kilderne.
"Det efterlader stadig 10 pct. eller syv millioner 'vanskelige' galakser, der skal øjnes af et menneske på grund af kompleksiteten i deres udvidede strukturer, "Sagde Dr. Wong.
Dr. Wong har tidligere udnyttet borgervidenskabens magt til at opdage galakser gennem projektet Radio Galaxy Zoo.
"Hvis ClaRAN reducerer antallet af kilder, der kræver visuel klassificering, til en procent, dette betyder mere tid for vores borgerforskere at bruge på at se på nye typer galakser, " hun sagde.
Et meget præcist katalog fremstillet af Radio Galaxy Zoo frivillige blev brugt til at træne ClaRAN i, hvordan man kan se, hvor jetflyene stammer fra.
Dr. Wu sagde, at ClaRAN er et eksempel på et nyt paradigme kaldet 'programmering 2.0'.
"Alt du gør er at oprette et stort neuralt netværk, giv det masser af data, og lad den finde ud af at justere sine interne forbindelser for at generere det forventede resultat, " han sagde.
ClaRAN kigger på over 500 forskellige visninger af radiogalakse data for at foretage sine detektioner og klassifikationer. Efter at have scannet gennem de forskellige visninger, ClaRAN betragter derefter også data fra infrarøde teleskoper for at forfine sine forudsigelser, giver det endelige detekterings- og klassificeringsresultat af et radiogalakse jet -system. Kredit:Dr. Chen Wu og Dr. Ivy Wong, ICRAR/UWA.
"Den nye generation af programmører bruger 99 procent af deres tid på at lave datasæt af bedste kvalitet og derefter træne AI -algoritmerne til at optimere resten.
"Dette er fremtiden for programmering."
Dr. Wong sagde, at ClaRAN har enorme konsekvenser for, hvordan teleskopobservationer behandles.
"Hvis vi kan begynde at implementere disse mere avancerede metoder til vores næste generations undersøgelser, vi kan maksimere videnskaben fra dem, " hun sagde.
"Det nytter ikke at bruge 40-årige metoder til helt nye data, fordi vi forsøger at undersøge længere ind i universet end nogensinde før. "
Et forskningsartikel om ClaRAN blev udgivet i dag i Månedlige meddelelser fra Royal Astronomical Society .