В UCSC создали суперИИ для астрономов, умеющий "читать" галактики
За 15 лет нахождения на орбите телескоп "Хаббл" сделал 1,022 млн изображений небесных объектов. Сейчас, в 2020 году, когда телескопу исполнилось четверть века, объем информации в его "архиве" превысила 100 терабайтов. Для ученых этот плат пласт данных — не только огромные возможности и скрытые открытия, но и бесконечное поле работы. Расшифровке и обработке поддается относительно небольшой процент снимков — остальные дожидаются очереди в архивах НАСА.
Просмотреть вручную тысячи фотографий — непосильная задача. Именно поэтому в решении подобных проблем астрономы прибегают к помощи нейросетей. Чаще всего это стандартные алгоритмы распознавания изображений, адаптированные под потребности ученых. Однако возможности обучения таких нейросетей очень ограничены: например, они не могут обработать очень сложное изображение, состоящее из нескольких объектов.
В Калифорнийском университете в Санта-Крус пошли по иному пути. Вместо того, чтобы "переучивать" существующую нейросеть, исследователи создали новую. Программа Morpheus — это алгоритм глубокого обучения, созданный специально для решения астрономических задач. Нейросеть использует в качестве входных данных стандартные цифровые исходники, которые получают астрономы с телескопов. Это серьезно расширяет поле возможностей.
"Проблема обычных моделей в том, что вы должны сначала идентифицировать объект — а уже после "скормить" его нейросети. — говорит Брант Робертсон, профессор астрономии и астрофизики, возглавляющий исследовательскую группу по вычислительной астрофизике в Калифорнийском университете. — Morpheus, наоборот, самостоятельно распознает объекты, изучая их попиксельно. Только таким образом можно обработать очень сложные снимки — например, такие, где сфероидальный элемент может быть расположен рядом с дисковым".
При обработке заданной области неба Morpheus не просто изучает существующий снимки. Нейросеть генерирует новый набор изображений, в котором все зафиксированные объекты имеют цветовую кодировку на основе своей морфологии. Это позволяет ученым классифицировать галактики и объекты, а также находить точечные звезды. Такой анализ открывает огромные возможности для изучения истории и эволюции даже самых сложных галактик.
Для обучения нейросети исследователи использовали набор данных из исследования 2015 года, включающего в себя анализ 10 000 галактик, снятых "Хабблом". Однако главным полем деятельности нового алгоритма станет вовсе не легендарный телескоп, а его потомок — телескоп LSST в новой обсерватории имени Веры Рубин в Чили.
В строящейся обсерватории планируется проводить крупномасштабные исследования на основе данных, полученных с широкоугольного обзорного телескопа-рефлектора. Телескоп LSST будет снимать более 800 панорамных снимков каждую ночь с помощью камеры с разрешением 3,2 миллиарда пикселей, записывая все видимое небо дважды в неделю. Безусловно проанализировать такой массив информации ученые смогут, лишь заручившись масштабной поддержкой искусственного интеллекта
Источник: https://news.ucsc.edu/2020/05/morpheus.html
Просмотреть вручную тысячи фотографий — непосильная задача. Именно поэтому в решении подобных проблем астрономы прибегают к помощи нейросетей. Чаще всего это стандартные алгоритмы распознавания изображений, адаптированные под потребности ученых. Однако возможности обучения таких нейросетей очень ограничены: например, они не могут обработать очень сложное изображение, состоящее из нескольких объектов.
В Калифорнийском университете в Санта-Крус пошли по иному пути. Вместо того, чтобы "переучивать" существующую нейросеть, исследователи создали новую. Программа Morpheus — это алгоритм глубокого обучения, созданный специально для решения астрономических задач. Нейросеть использует в качестве входных данных стандартные цифровые исходники, которые получают астрономы с телескопов. Это серьезно расширяет поле возможностей.
"Проблема обычных моделей в том, что вы должны сначала идентифицировать объект — а уже после "скормить" его нейросети. — говорит Брант Робертсон, профессор астрономии и астрофизики, возглавляющий исследовательскую группу по вычислительной астрофизике в Калифорнийском университете. — Morpheus, наоборот, самостоятельно распознает объекты, изучая их попиксельно. Только таким образом можно обработать очень сложные снимки — например, такие, где сфероидальный элемент может быть расположен рядом с дисковым".
При обработке заданной области неба Morpheus не просто изучает существующий снимки. Нейросеть генерирует новый набор изображений, в котором все зафиксированные объекты имеют цветовую кодировку на основе своей морфологии. Это позволяет ученым классифицировать галактики и объекты, а также находить точечные звезды. Такой анализ открывает огромные возможности для изучения истории и эволюции даже самых сложных галактик.
Для обучения нейросети исследователи использовали набор данных из исследования 2015 года, включающего в себя анализ 10 000 галактик, снятых "Хабблом". Однако главным полем деятельности нового алгоритма станет вовсе не легендарный телескоп, а его потомок — телескоп LSST в новой обсерватории имени Веры Рубин в Чили.
В строящейся обсерватории планируется проводить крупномасштабные исследования на основе данных, полученных с широкоугольного обзорного телескопа-рефлектора. Телескоп LSST будет снимать более 800 панорамных снимков каждую ночь с помощью камеры с разрешением 3,2 миллиарда пикселей, записывая все видимое небо дважды в неделю. Безусловно проанализировать такой массив информации ученые смогут, лишь заручившись масштабной поддержкой искусственного интеллекта
Источник: https://news.ucsc.edu/2020/05/morpheus.html
Задать вопрос
Заполните форму, и наши эксперты ответят вам