• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Tusentals galaxer klassificeras i ett ögonblick

    Olika former av galaxer, vänster till höger:elliptisk, linsformad, spiral, och oregelbundna/diverse. Kredit:NASA/Hubble (elliptisk galax M87), ESA/Hubble &NASA (linsformad galax NGC 6861 och de kolliderande antenngalaxerna), och David Dayag (Andromedas spiralgalax).

    Astronomer har designat och tränat ett datorprogram som kan klassificera tiotusentals galaxer på bara några sekunder, en uppgift som vanligtvis tar månader att utföra.

    I forskning publicerad idag, astrofysiker från Australien har använt maskininlärning för att påskynda en process som ofta görs manuellt av astronomer och medborgarforskare runt om i världen.

    "Galaxer finns i olika former och storlekar, " sa huvudförfattaren Mitchell Cavanagh, en Ph.D. kandidat baserad vid University of Western Australia nod vid International Centre for Radio Astronomy Research (ICRAR).

    "Att klassificera formerna på galaxer är ett viktigt steg för att förstå deras bildande och evolution, och kan till och med kasta ljus över universums natur."

    Cavanagh sa att med större undersökningar av himlen som händer hela tiden, astronomer samlar in för många galaxer för att kunna se och klassificera dem på egen hand.

    "Vi pratar om flera miljoner galaxer under de närmaste åren. Ibland rekryteras medborgarforskare för att hjälpa till att klassificera galaxformer i projekt som Galaxy Zoo, men det här tar fortfarande tid."

    Det är här konvolutionella neurala nätverk, eller CNN, kom in. I dagens högteknologiska värld, den här typen av datorprogram finns överallt, används i allt från medicinsk bildbehandling, aktiemarknader och dataanalys, till hur Netflix genererar rekommendationer baserat på din visningshistorik.

    Kraften hos CNN ligger i deras förmåga att extrahera funktioner i bilder. Inom datorprogrammet, faltningsskikten kan skissera, spåra och upptäcka närvaron av spiralarmar eller andra funktioner. Kredit:Mitchell Cavanagh/ICRAR

    På senare år har CNN har börjat se en bredare adoption inom astronomi. De flesta av de befintliga CNN som astronomer använder är binära – är detta en spiralgalax eller inte? Men det här nya CNN använder flerklassklassificering – är detta en elliptisk, linsformig, spiral, eller oregelbunden galax? - med mer noggrannhet än de befintliga binära nätverken.

    Cavanagh sa att maskininlärning blir mer utbredd inom astronomi.

    "Den enorma fördelen med neurala nätverk är hastigheten. Undersökningsbilder som annars skulle ha tagit månader att klassificeras av människor kan istället klassificeras på bara några minuter."

    "Med ett standardgrafikkort, vi kan klassificera 14, 000 galaxer på mindre än tre sekunder."

    "Dessa neurala nätverk kommer inte nödvändigtvis att bli bättre än människor eftersom de tränas av människor, men de närmar sig med mer än 80 % noggrannhet, och upp till 97 % vid klassificering mellan elliptiska och spiraler."

    Att kunna skilja en linsformad galax från de andra typerna kan vara svårt för mänskliga ögon, men faltningsskikten letar efter funktioner som vi inte kan se. Också, ett CNN tröttnar aldrig, och om bilden vänds eller roteras, det kommer inte att få CNN att göra ett misstag. Kredit:Mitchell Cavanagh/ICRAR

    "Om du placerar en grupp astronomer i ett rum och ber dem klassificera ett gäng bilder, det kommer nästan säkert att finnas oenigheter. Denna inneboende osäkerhet är den begränsande faktorn i alla AI-modeller som tränas på märkta data."

    En stor fördel med denna nya AI är att forskarna kommer att kunna klassificera fler än 100, 000, 000 galaxer på olika avstånd (eller rödförskjutningar) från jorden och i olika miljöer (grupper, kluster etc). Detta kommer att hjälpa dem att förstå hur galaxer förvandlas över tid, och varför det kan hända i vissa miljöer.

    De CNN som Mr Cavanagh har utvecklat är inte bara för astronomi. De kan återanvändas för användning inom många andra områden, så länge de har ett tillräckligt stort dataset att träna med.

    "CNN kommer att spela en allt viktigare roll i framtiden för databehandling, särskilt när områden som astronomi brottas med utmaningarna med big data, " han sa


    © Vetenskap https://sv.scienceaq.com