ИИ успешно помогает астрономам анализировать развитие галактик по изображениям Hubble
Метод машинного обучения, называемый «глубоким обучением», широко используемый в распознавании лиц и других приложениях для распознавания образов и речи, помогает астрономам анализировать изображения галактик для понимания их формирования и развития.
В новом исследовании ученые использовали компьютерное моделирование образования галактик для обучения алгоритму глубокого обучения, который затем оказался на удивление хорошим анализом изображений галактик с космического телескопа Hubble.
Исследователи использовали результаты моделирования для генерации ложных изображений смоделированных галактик. Фальшивые изображения использовались для обучения системе глубокого обучения, чтобы распознать три ключевые фазы эволюции галактики, которые ранее были идентифицированы в симуляциях. Затем исследователи предоставили системе большой набор реальных изображений телескопа Hubble для классификации.
Результаты показали замечательный уровень согласованности в классификации нейронных сетей имитируемых и реальных галактик.
«Мы не ожидали, что все это будет успешным. Я поражен, насколько это мощно», - сказал соавтор Джоэл Примак, почетный профессор физики и член Института физики частиц Санта-Крус (SCIPP) .
Галактики являются сложными явлениями, поскольку они развиваются миллиарды лет, а образы галактик могут обеспечить только моментальные снимки. Астрономы могут глубже проникнуть во Вселенную и, таким образом, «вернуться во времени», чтобы увидеть более ранние галактики (из-за того, что время света принимает космические расстояния), но после эволюции отдельной галактики с течением времени возможно только в симуляциях. Сравнение смоделированных галактик с наблюдаемыми галактиками может выявить важные детали реальных галактик и их вероятных историй.
В новом исследовании ученые использовали компьютерное моделирование образования галактик для обучения алгоритму глубокого обучения, который затем оказался на удивление хорошим анализом изображений галактик с космического телескопа Hubble.
Исследователи использовали результаты моделирования для генерации ложных изображений смоделированных галактик. Фальшивые изображения использовались для обучения системе глубокого обучения, чтобы распознать три ключевые фазы эволюции галактики, которые ранее были идентифицированы в симуляциях. Затем исследователи предоставили системе большой набор реальных изображений телескопа Hubble для классификации.
Результаты показали замечательный уровень согласованности в классификации нейронных сетей имитируемых и реальных галактик.
«Мы не ожидали, что все это будет успешным. Я поражен, насколько это мощно», - сказал соавтор Джоэл Примак, почетный профессор физики и член Института физики частиц Санта-Крус (SCIPP) .
Галактики являются сложными явлениями, поскольку они развиваются миллиарды лет, а образы галактик могут обеспечить только моментальные снимки. Астрономы могут глубже проникнуть во Вселенную и, таким образом, «вернуться во времени», чтобы увидеть более ранние галактики (из-за того, что время света принимает космические расстояния), но после эволюции отдельной галактики с течением времени возможно только в симуляциях. Сравнение смоделированных галактик с наблюдаемыми галактиками может выявить важные детали реальных галактик и их вероятных историй.
