Исследователи из Университета Ланкастера (Великобритания) разработали новую методику глубокого обучения нейронной сети, которая поможет ускорить процесс поиска галактических кластеров. Она получила название Deep-CEE (Deep Learning for Galaxy Cluster Extraction and Evaluation), говорится на сайте Британского королевского астрономического сообщества.
Во второй половине прошлого века астроном Джордж Огден Эйбелл (George Ogden Abell) провел много лет в поисках скоплений галактик. Он искал их «на глаз», используя увеличительную линзу и фотографические пластины. Эйбелл вручную проанализировал около 2000 фотопластин, отыскивая визуальные «подписи» скоплений галактик и детализируя астрономические координаты плотных областей галактик. Результатом его работы стал Каталог Эйбелла, в котором перечислены скопления, найденные в северном полушарии.
Deep-CEE основывается на подходе этого ученого. Но в данном случае вместо астронома работу выполняет искусственный интеллект, который обучен «смотреть» на цветные изображения и находить на них скопления галактик. Это современная модель основана на нейронных сетях, имитирующих способ, которым человеческий мозг учится распознавать объекты, активируя определенные нейроны при визуализации отличительных узоров и цветов.
Авторы разработки обучали искусственный интеллект, неоднократно показывая ему примеры известных скоплений, которые уже отмечены на изображениях, пока алгоритм не научился самостоятельно ассоциировать объекты. Затем ученые проверили, способен ли алгоритм идентифицировать и классифицировать скопления галактик на изображениях, которые содержат много других астрономических объектов.
«Мы успешно применили Deep-CEE в ходе проекта "Слоановский цифровой небесный обзор", – говорит один из разработчиков Мэтью Чан (Matthew Chan). – В конечном счете, мы будем запускать нашу модель на революционном оборудовании, таком как строящийся телескоп Large Synoptic Survey (LSST), который будет шире и глубже исследовать регионы Вселенной, которые никогда раньше не исследовали».
Автоматизируя процесс обнаружения, ученые могут быстро сканировать наборы изображений и получать точные прогнозы. Это будет иметь важное значение для анализа данных в будущем. Предстоящий обзор неба с помощью LSST (проект должен начаться в 2021 году) сфотографирует небо всего южного полушария: каждую ночь будет получено приблизительно 15 ТБ данных.
[Фото: NASA/ESA]
