16.08.2022
Наш канал в Telegram: https://t.me/berzaru

Машинное обучение помогает распознавать космические объекты на снимках телескопов

Photometric redshift-aided classification using ensemble learning

Классификация космических объектов на астрономических снимках не так проста, как может показаться. Находясь на огромных расстояниях, они выглядят как слабые, часто размытые светящиеся точки. Глядя на них, часто сложно сказать, с чем мы имеем дело — звездой или галактикой, сверхновой или квазаром. В то же время масштабные обзоры неба, которые проводят в последние десятилетия, собрали колоссальные массивы снимков, нуждающиеся в таком анализе. Проводить его традиционными методами слишком тяжело и долго.

Поэтому учёные из Португалии решили автоматизировать задачу и использовать для этого искусственный интеллект. Педро Кунха (Pedro Cunha) и Эндрю Хамфри (Andrew Humphrey) из Института астрофизики и космических наук (IA) разработали модель SHEEP, способную быстро и точно классифицировать далёкие космические объекты на снимках телескопов. Детали проекта они приводят в статье, опубликованной в журнале Astronomy & Astrophysics.

SHEEP — модель машинного обучения с подкреплением, которая использует спектры и координаты космических объектов, а также определяет фотометрическое красное смещение, чтобы точнее классифицировать их. Красное смещение вместе с координатами позволяет системе оценить примерное положение источника в пространстве, чтобы лучше распознавать его. Например, если объект находится в плоскости Млечного Пути, он с большей вероятностью будет звездой, а если вне этой плоскости — удалённой галактикой.

Для демонстрации работы SHEEP авторы проанализировали с его помощью обширные базы данных обзоров SDSS (сделанного наземными инструментами) и WISE (сделанного одноименным космическим телескопом), содержащие фотометрические данные для примерно трёх с половиной миллионов далёких источников. Точность определения алгоритмом звёзд составила 98,5 процента, галактик — 96,7 процента, а квазаров (активных ядер молодых галактик) — 99 процентов.

«Позволив искусственному интеллекту включать данные о положении источников в пространстве, мы улучшили его способность принимать правильные решения о природе этих источников», — рассказал профессор Хамфри.

Учёные надеются, что их система поможет находить интересные объекты в огромных массивах данных, которые появятся в ближайшее время — в частности, благодаря новой космической миссии ESA Euclid. Аппарат готовится к запуску в 2023 году и займётся сверхточным измерением красных смещений далёких галактик.