Компьютерная программа научилась различать галактики подобно человеку

Компьютерный алгоритм, моделью для которого послужил человеческий мозг, научился распознавать различные типы галактик, начиная со спиральных и заканчивая эллиптическими. Теперь, он способен помогать своим коллегам - звездочетам из плоти и крови, скрупулезно выполнять выматывающее задание по классификации миллиардов галактик.

Эта самообучающаяся программа, способна верно определять тип галактики в 90 процентах случаев, согласно сообщению ученых из Унивситета Лондона (University College London) и Кембриджа (University of Cambridge) в Великобритании.

Программа должна помочь ученым справится с нескончаемым потоком изображений галактик, которые поступают от таких проектов, как Sloan Digital Sky Survey и the Galaxy Zoo. Миллиарды галактик в изученной нами вселенной принимают самые разные формы, они бывают эллиптической, спиральной, неправильной формы.

"Телескопы следующего поколения, которые сейчас находятся на стадии конструирования, создадут изображения сотен миллионов и даже миллиардов галактик в следующие десять лет", - заявила Мэнда Банерджи (Manda Banerji), астроном из университета Кембриджа. "Числа обескураживают, физически невозможно проверить их все с помощью человеческого глаза".

Классификация типов галактик - это первый шаг на пути понимания зарождения и эволюции галактик.

Более 250 тысяч людей помогали астрономам классифицировать 60 миллионов галактик в рамках онлайн-проекта Galaxy Zoo. Астрономы использовали классификацию Galaxy Zoo, для обучения компьютерного алгоритма, который является искуcственной нейросетью.

Искуcственная нейросеть способна анализировать сложные взаимосвязи между различными переменными, такими как форма, размер, цвет астрофизических объектов, и делать на основе этого вывод о типе анализируемой галактики. Этот алгоритм подобен биологическим нейросетям живых существ.

Прежде чем протестировать возможности программы, астрономы провели тренировку компьютерного алгоритма, используя 75 тысяч уже классифицированных астрофизических объектов взятых из проекта Galaxy Zoo. Затем алгоритм классифицировал 1 миллион объектов. На основе проведенных испытаний, ученые произвели настройку некоторых параметров программы, благодаря чему удалось достичь уровня правильного определения типа галактик в 90% случаев.

Создатели программы, встретились также с некоторыми сложностями. Например, алгоритму сложно дается определение типа красных спиралей и синих эллипсов. Эта проблема возникла из-за недостаточного числа примеров подобных объектов - программе попросту не хватило обучающего материала.

В исследование также не включены промежуточные типы галактик, например состоящие из нескольких слившихся галактик, которые нелегко классифицировать.

Но даже в таком несовершенном виде, автоматическая классификация типа галактик, станет для астрономов, утопающих в потоке визуальной информации о галактиках, большим подспорьем. В ходе недавнего исследования небесного свода, было обнаружено, что астрономы недооценивали число удаленных галактик на 90%.

Человеческие глаза - очень эффективны в деле распознавания узоров. Умные вычислительные техники, которые позволят нам воспроизвести это поведение, очень важны, так как мы начинаем расширять границы видимой Вселенной, и открываем более удаленные галактики", - заявил Офер Лахав (Ofer Lahav), астрофизик из университета Лондона. "Это исследование - важный шаг в этом направлении". Все подробности о главных событиях дня информеры новостей сообщат нам.

Оригинал (на англ. языке): Space.com

• Уникальный диск вокруг Веги: что раскрыли телескопы Hubble и Webb
• Учёные готовятся к амбициозному исследованию тёмной материи и энергии
• Объяснено происхождение рентгеновского излучения от черных дыр
• Космический корабль DART NASA навсегда изменил форму и орбиту лунного астероида
• Учёные выявили человеческое влияние на рост озона в верхней тропосфере
• Новая модель опровергла ведущую теорию о формировании континентов Земли
• Сверхмассивная черная дыра растет как младенческая звезда
• Новый ветер дует от исторической сверхновой