Тая ж тэхналогія, якая кіруе распазнаваннем твараў і беспілотнымі аўтамабілямі, неўзабаве можа стаць ключавым інструментам у раскрыцці схаваных таямніц Сусвету.
Апошнія падзеі ў назіральнай астраноміі прывялі да выбуху дадзеных.
Магутныя тэлескопы штодня збіраюць тэрабайты дадзеных. Каб апрацаваць столькі дадзеных, навукоўцам трэба знайсці новыя спосабы аўтаматызацыі розных задач у гэтай галіне, такіх як вымярэнне радыяцыі і іншых нябесных з'яў.
Адна канкрэтная задача, якую астраномы імкнуцца паскорыць, - гэта класіфікацыя галактык. У гэтым артыкуле мы разгледзім, чаму класіфікацыя галактык такая важная і як даследчыкі пачалі спадзявацца на перадавыя метады машыннага навучання для павелічэння маштабу па меры павелічэння аб'ёму даных.
Навошта нам класіфікаваць галактыкі?
Класіфікацыя галактык, вядомая ў гэтай галіне як марфалогія галактык, узнікла ў 18 стагоддзі. У гэты час сэр Уільям Гершэль заўважыў, што розныя «туманнасці» бываюць розных формаў. Яго сын Джон Гершэль удасканаліў гэтую класіфікацыю, зрабіўшы адрозненне паміж галактычнымі і негалактычнымі туманнасцямі. Апошнюю з гэтых дзвюх класіфікацый мы ведаем і называем галактыкамі.
Бліжэй да канца 18-га стагоддзя розныя астраномы меркавалі, што гэтыя касмічныя аб'екты з'яўляюцца «пазагалактычнымі» і што яны знаходзяцца па-за межамі нашага Млечнага Шляху.
Хабл прадставіў новую класіфікацыю галактык у 1925 годзе з увядзеннем паслядоўнасці Хабла, неафіцыйна вядомай як дыяграма камертона Хабла.
Паслядоўнасць Хабла падзяліла галактыкі на правільныя і няправільныя. Правільныя галактыкі былі падзелены на тры шырокія класы: эліптычныя, спіральныя і лінзападобныя.
Вывучэнне галактык дае нам зразумець некалькі ключавых таямніц таго, як працуе Сусвет. Даследчыкі выкарыстоўвалі розныя формы галактык, каб тэарэтызаваць працэс зоркаўтварэння. Выкарыстоўваючы мадэляванне, навукоўцы таксама паспрабавалі змадэляваць, як самі галактыкі ўтвараюць формы, якія мы назіраем сёння.
Аўтаматызаваная марфалагічная класіфікацыя галактык
Даследаванне выкарыстання машыннага навучання для класіфікацыі галактык паказала шматспадзеўныя вынікі. У 2020 годзе даследчыкі з Нацыянальнай астранамічнай абсерваторыі Японіі выкарысталі a тэхніка глыбокага навучання дакладна класіфікаваць галактыкі.
Даследчыкі выкарысталі вялікі набор малюнкаў, атрыманых у выніку апытання Subaru/Hyper Suprime-Cam (HSC). Выкарыстоўваючы сваю тэхніку, яны маглі класіфікаваць галактыкі на спіральныя па S, спіральныя па Z і неспіральныя.
Іх даследаванне прадэманстравала перавагі спалучэння вялікіх даных з тэлескопаў глыбокае вывучэнне тэхнікі. Дзякуючы нейронавым сеткам астраномы цяпер могуць паспрабаваць класіфікаваць іншыя тыпы марфалогіі, такія як слупкі, зліцці і аб'екты з моцнымі лінзамі. Напрыклад, звязаныя даследаванні ад MK Cavanagh і K. Bekki выкарыстоўвалі CNN, каб даследаваць утварэнне бараў у галактыках, якія зліваюцца.
Як гэта працуе
Навукоўцы з NAOJ абапіраліся на сверточные нейронавыя сеткі або CNN для класіфікацыі малюнкаў. З 2015 года CNN сталі надзвычай дакладнай тэхнікай класіфікацыі пэўных аб'ектаў. Рэальныя прыкладанні для CNN ўключаюць выяўленне твараў на выявах, беспілотныя аўтамабілі, распазнаванне рукапісных сімвалаў і медыцынскія аналіз малюнкаў.
Але як працуе CNN?
CNN належыць да класа метадаў машыннага навучання, вядомых як класіфікатар. Класіфікатары могуць прымаць пэўны ўваход і выводзіць кропку даных. Напрыклад, класіфікатар вулічных знакаў зможа прыняць выяву і вывесці, ці з'яўляецца выява вулічным знакам ці не.
CNN - прыклад a нейронных сеткі. Гэтыя нейронавыя сеткі складаюцца з нейроны арганізаваны ў слаёў. На этапе навучання гэтыя нейроны настроены на адаптацыю пэўных вагаў і зрушэнняў, якія дапамогуць вырашыць патрабаваную праблему класіфікацыі.
Калі нейронавая сетка атрымлівае выяву, яна займае невялікія ўчасткі выявы, а не ўсё ў цэлым. Кожны асобны нейрон узаемадзейнічае з іншымі нейронамі, калі ён прымае розныя ўчасткі асноўнага малюнка.
Наяўнасць згортачных слаёў адрознівае CNN ад іншых нейронавых сетак. Гэтыя пласты скануюць блокі пікселяў, якія перакрываюцца, з мэтай ідэнтыфікацыі асаблівасцей уваходнага малюнка. Паколькі мы злучаем нейроны, якія знаходзяцца побач, сетцы будзе прасцей зразумець карціну, калі ўваходныя даныя праходзяць праз кожны пласт.
Выкарыстанне ў марфалогіі Галактыкі
Пры выкарыстанні ў класіфікацыі галактык CNN разбіваюць выяву галактыкі на больш дробныя «часткі». Выкарыстоўваючы невялікую колькасць матэматыкі, першы схаваны пласт паспрабуе вызначыць, утрымлівае патч лінію або крывую. Далейшыя ўзроўні будуць спрабаваць вырашыць усё больш складаныя пытанні, такія як тое, ці ўтрымлівае пляма рысу спіральнай галактыкі, напрыклад, наяўнасць рукава.
У той час як параўнальна лёгка вызначыць, ці ўтрымлівае ўчастак выявы прамую лінію, становіцца ўсё больш складана задаць пытанне, ці паказвае выява спіральную галактыку, не кажучы ўжо пра тып спіральнай галактыкі.
У нейронных сетках класіфікатар пачынаецца са выпадковых правілаў і крытэрыяў. Гэтыя правілы паступова становяцца ўсё больш і больш дакладнымі і актуальнымі для праблемы, якую мы спрабуем вырашыць. Да канца фазы навучання нейронавая сетка павінна мець добрае ўяўленне аб тым, якія асаблівасці трэба шукаць на малюнку.
Пашырэнне AI з дапамогай Citizen Science
Грамадзянская навука адносіцца да навуковых даследаванняў, якія праводзяцца навукоўцамі-аматарамі або грамадскімі прадстаўнікамі.
Навукоўцы, якія вывучаюць астраномію, часта супрацоўнічаюць з грамадскімі навукоўцамі, каб дапамагчы зрабіць больш важныя навуковыя адкрыцці. NASA падтрымлівае a спіс дзесяткі грамадскіх навуковых праектаў, у якія кожны, хто мае мабільны тэлефон або ноўтбук, можа ўнесці свой уклад.
Нацыянальная астранамічная абсерваторыя Японіі таксама запусціла грамадскі навуковы праект, вядомы як Круіз па галактыцы. Ініцыятыва навучае добраахвотнікаў класіфікаваць галактыкі і шукаць прыкметы магчымых сутыкненняў паміж галактыкамі. Яшчэ адзін грамадзянскі праект наз Заапарк Галактыкі ужо атрымаў больш за 50 мільёнаў класіфікацый толькі за першы год запуску.
Выкарыстоўваючы даныя грамадзянскіх навуковых праектаў, мы можам навучанне нейронных сетак далей класіфікаваць галактыкі на больш падрабязныя класы. Мы таксама маглі б выкарыстаць гэтыя навуковыя цэтлікі для пошуку галактык з цікавымі асаблівасцямі. Такія функцыі, як кольцы і лінзы, па-ранейшаму можа быць цяжка знайсці з дапамогай нейронавай сеткі.
заключэнне
Метады нейронных сетак становяцца ўсё больш папулярнымі ў галіне астраноміі. Запуск касмічнага тэлескопа Джэймса Уэба НАСА ў 2021 годзе абяцае новую эру назіральнай астраноміі. Тэлескоп ужо сабраў тэрабайты дадзеных, і, магчыма, яшчэ тысячы будуць на шляху за пяцігадовую місію.
Класіфікацыя галактык - толькі адна з многіх патэнцыйных задач, якія можна павялічыць з дапамогай ML. У сувязі з тым, што апрацоўка касмічных дадзеных становіцца ўласнай праблемай Big Data, даследчыкі павінны ў поўнай меры выкарыстоўваць перадавое машыннае навучанне, каб зразумець агульную карціну.
Пакінуць каментар