Sieć neuronowa AnomalyMatch odkryła ponad 800 nieznanych obiektów w archiwach teleskopu Hubble'a

Naukowcy z ESA wykorzystali AI do przeszukania 35-letniego archiwum teleskopu Hubble'a. Rezultat? W ciągu trzech dni system przeanalizował prawie 100 mln obrazów i wyłowił 1400 obiektów astronomicznych o nietypowej morfologii. Ponad 800 z nich nigdy wcześniej nie pojawiło się w publikacjach naukowych. To imponujący pokaz możliwości AI w astronomii, ale też zapowiedź rewolucji w sposobie radzenia sobie z lawinowo rosnącą ilością danych z teleskopów.

Sieć neuronowa AnomalyMatch przeanalizowała 100 milionów fragmentów zdjęć z archiwów Hubble'a w zaledwie 60 godzin, odkrywając 1400 anomalii kosmicznych, z czego ponad 800 obiektów nigdy wcześniej nie zostało udokumentowanych w literaturze naukowej.

Jeff Bezos stawia na dual-orbit. Blue Origin buduje TeraWave z satelitami LEO i MEO do obsługi centrów danych

Naukowcy David O'Ryan i Pablo Gómez z ESA stworzyli narzędzie nazwane AnomalyMatch. Jest to sieć neuronowa zaprojektowana do rozpoznawania rzadkich i nietypowych obiektów w obrazach astronomicznych. System został wytrenowany na danych z Hubble Legacy Archive, która zawiera dziesiątki tysięcy zbiorów danych zgromadzonych przez ponad trzy dekady obserwacji. Wśród odkrytych anomalii znalazły się głównie galaktyki w procesie zderzania lub interakcji, przyjmujące dziwaczne kształty albo ciągnące za sobą długie smugi gwiazd i gazu. Zidentyfikowano również obiekty bardziej egzotyczne, w tym soczewki grawitacyjne, gdzie masa galaktyki na pierwszym planie zagina czasoprzestrzeń i odkształca światło odległych galaktyk w łuki lub pierścienie, galaktyki z gigantycznymi skupiskami gwiazd, galaktyki meduzy z gazowymi mackami, a także dyski protoplanetarne widziane z boku, przypominające hamburgery. Najbardziej intrygujące? Kilkadziesiąt obiektów, które wymknęły się jakiejkolwiek klasyfikacji.

Vast Space wyprzedza Axiom i Blue Origin w budowie następcy Międzynarodowej Stacji Kosmicznej, a NASA ma problem

Problem, który rozwiązuje AnomalyMatch, jest niezwykle ważny dla współczesnej astronomii. Ludzie po prostu nie są w stanie przejrzeć wszystkich danych generowanych przez nowoczesne teleskopy. Archiwum Hubble'a to tylko wierzchołek góry lodowej. Już pracujący teleskop Euclid ESA zbiera informacje o miliardach galaktyk na jednej trzeciej nocnego nieba, a amerykańskie Obserwatorium Vera C. Rubin wkrótce rozpocznie swoją 10-letnią misję Legacy Survey of Space and Time, gromadząc ponad 50 petabajtów obrazów. Teleskop Nancy Grace Roman, którego start NASA planuje nie później niż w maju 2027 roku, dorzuci do tego własną lawinę danych. Bez systemów analizy wykorzystujących AI astronomowie utonęliby w tym oceanie informacji.

GRU Space otwiera rezerwacje na pobyt w księżycowym hotelu. Cena depozytu to 250 tysięcy dolarów

Sieć neuronowa nie zastępuje tu ludzkiego oka, a działa jako inteligentny filtr. Po zakończeniu skanowania O'Ryan i Gómez osobiście sprawdzali obiekty uznane przez algorytm za najważniejsze, potwierdzając ręcznie, które z nich są rzeczywistymi anomaliami. To właśnie ta hybrydowa metoda, maszynowa szybkość plus ludzkie doświadczenie, okazuje się najefektywniejsza. Szczególnie interesujący może być aspekt techniczny. AnomalyMatch wykorzystuje architekturę EfficientNet w połączeniu z algorytmem semi-nadzorowanego uczenia FixMatch oraz aktywnym uczeniem się. System wykrywa wzorce w sposób inspirowany działaniem ludzkiego mózgu, ale w tempie, które dla człowieka jest nieosiągalne. Sukces tego narzędzia to kolejny dowód, że w przypadku analizy ogromnych zbiorów danych AI nie jest już tylko futurystycznym dodatkiem. Jest to praktyczna konieczność.