Астрономія
Астрономія

Алгоритм глибинного навчання класифікував 27 мільйонів галактик

Використовуючи алгоритм глибинного навчання, астрономи змогли класифікувати 27 мільйонів галактик з першого набору даних огляду неба Dark Energy Survey. У такий спосіб вони розрізнили галактики раннього і пізнього типів, а також ті з них, що розташовані ребром чи прямо до спостерігача. Стаття про це надрукована у журналі Monthly Notices of the Royal Astronomical Society.

Галактики з Dark Energy Survey. CTIO, NOIRLab, NSF, AURA / Wikimedia Commons

Галактики з Dark Energy Survey. CTIO, NOIRLab, NSF, AURA / Wikimedia Commons

Від чого залежить структура галактики?

Морфологія є фундаментальною властивістю галактики. Вона тісно пов’язана з її масою, швидкістю утворення зірок у ній, рухом зірок та середовищем. Структура галактики змінюється протягом космічного часу в залежності від її формування та еволюційних шляхів. Науковці дискутують з приводу того, чи визначає морфологія галактики її подальшу долю, або ж навпаки, морфологічні перетворення стаються під впливом змін у популяції зірок галактики. Щоб вирішити це питання, астрономам необхідні великі зразки галактик, класифікованих за їхніми структурами.

Які існують способи їхньої класифікації?

Традиційно морфологічна класифікація галактик проводилася шляхом візуального огляду. Цей метод дуже незручний, оскільки відбирає надто багато часу, а також страждає від суб’єктивності класифікатора. Альтернативою є дослідження, проведені багатьма учасниками-волонтерами, як-от інтернет-проєкт Galaxy Zoo. Це дозволяє витрачати менше часу на виконання завдання та проводити статистичний аналіз відповідей, однак такий спосіб усе ще дає багато похибок. Ще одним підходом є кількісна оцінка морфології галактик. Світло галактики описується з точки зору її структурних характеристик (наприклад, зоряної величини, розміру, еліптичності, асиметрії, концентрації тощо). Нарешті, алгоритми машинного та глибокого навчання є ефективним способом класифікації галактик. Згорткові нейронні мережі використовують зображення галактик для їхньої класифікації, однак їм необхідно тренуватися на великих вибірках попередньо позначених об'єктів. Зразки для навчання повинні братися з тих самих наборів даних, які потрібно класифікувати.

Яке дослідження провели астрономи?

Дослідники вирішили класифікувати за допомогою алгоритму глибинного навчання галактики із першого релізу даних огляду неба Dark Energy Survey. Хоча основним завданням огляду є дослідження природи темної енергії, за перші три роки спостережень він створив зображення 300 мільйонів галактик як побічний продукт. Цей набір даних є одним із найбільших та найглибших. Щоб натренувати нейромежері, вчені спершу змоделювали, як виглядали б вже класифіковані галактики з цієї вибірки із вищим значенням червоного зсуву. Це різко знизило якість зображень, проте алгоритми змогли виявити необхідні для класифікації параметри, які не може розрізнити людське око.

Спіральна та еліптична галактика та їхні змодельовані зображення з вищим червоним зсувом. Jesus Vega-Ferrero, Helena Dominguez-Sanchez

Спіральна та еліптична галактика та їхні змодельовані зображення з вищим червоним зсувом. Jesus Vega-Ferrero, Helena Dominguez-Sanchez

Таким чином, дослідники змогли розрізнити галактики раннього і пізнього типів, а також ті з них, що повернуті прямо до спостерігача чи ребром. Усього вдалося класифікувати 27 мільйонів найтьмяніших галактик із точністю вище 97%. Дослідники вважають, що їхній метод можна буде використати для майбутніх оглядів неба з великим набором даних, таких як Legacy Survey of Space and Time обсерваторії імені Вери Рубін.

Велику камеру, яку буде використовувати обсерваторія, вже перевірили, створивши 3200-мегапіксельні фото — найбільші з некомпозитних знімків на сьогодні.

червоного зсуву
Випромінювання, створене віддаленими об’єктами, змінює довжину своїх хвиль внаслідок прискореного розширення Всесвіту. Таке явище отримало назву червоного зсуву. Чим більше його значення, тим далі у просторі та часі знаходиться об’єкт