Astronomen haben eine künstliche Intelligenz auf Bilder des fernen Universums vom Subaru Telescope angewandt und beim Finden und Klassifizieren von Spiralgalaxien auf diesen Bildern eine sehr hohe Genauigkeit erreicht. Man geht davon aus, dass diese Technik in Kombination mit Bürgerwissenschaften weitere zukünftige Entdeckungen verspricht.
Eine Forschungsgruppe, hauptsächlich bestehend aus Astronomen des National Astronomical Observatory of Japan (NAOJ), wandte eine Deep-Learning-Technik (eine Art künstlicher Intelligenz) an, um Galaxien in großen Datenätzen des Subaru Telescope zu klassifizieren. Dank seiner hohen Empfindlichkeit wurden auf den Bildern bis zu 560.000 Galaxien registriert. Mit dem menschlichen Auge wäre es extrem schwer, diese große Anzahl an Galaxien einzeln zur morphologischen Klassifizierung zu begutachten. Die künstliche Intelligenz ermöglichte dem Team, die Verarbeitung ohne menschliche Eingriffe durchzuführen.
Automatisierte Verarbeitungstechniken zur Herausarbeitung und Bewertung von Merkmalen mittels Deep-Learning-Algorithmen werden seit 2012 schnell entwickelt. Jetzt übertreffen sie Menschen normalerweise, was die Genauigkeit angeht, und werden für autonome Fahrzeuge, Sicherheitskameras und viele andere Anwendungen genutzt.
Dr. Ken-ichi Tadaki, ein Projekt-Assistenzprofessor am NAOJ, hatte den Gedanken, dass eine künstliche Intelligenz auch in der Lage sein sollte, zwischen “Galaxien mit Spiralarmen” und “Galaxien ohne Spiralarme” zu unterscheiden, wenn sie Bilder von Katzen und Hunden klassifizieren kann. Mit von Menschen vorbereiteten Trainingsdaten klassifizierte die künstliche Intelligenz erfolgreich die Morphologien mit einer Genauigkeit von 97,5 Prozent. Auf den gesamten Datensatz angewandt, identifizierte die trainierte, künstliche Intelligenz Spiralformen in etwa 80.000 Galaxien.
Jetzt da sich diese Technik als effektiv erwiesen hat, kann sie auf die Klassifizierung von Galaxien in detailliertere Typen angewandt werden, indem die künstliche Intelligenz auf der Basis einer großen Anzahl Galaxien trainiert wird, die von Menschen klassifiziert wurden. Das NAOJ betreibt jetzt ein Bürgerwissenschaftsprojekt namens GALAXY CRUISE, wo Bürger Galaxienbilder des Subaru Telescope untersuchen, um nach Merkmalen zu suchen, die auf Kollisionen oder Verschmelzungen mit einer anderen Galaxie hinweisen.
Der Berater von GALAXY CRUISE, der außerordentliche Professor Masayuki Tanaka, hat große Hoffnungen für die Untersuchung von Galaxien mittels künstlicher Intelligenz und sagte: “Das Subaru Strategic Program ist Big Data, die eine schier endlose Anzahl an Galaxien enthalten. Wissenschaftlich ist es sehr interessant, solche Daten mittels einer Zusammenarbeit von Bürgerastronomen und Maschinen anzugehen. Durch die Implementierung von Deep-Learning auf die von Bürgerwissenschaftlern in GALAXY CRUISE vorgenommenen Klassifizierungen ist die Wahrscheinlichkeit hoch, dass wir eine große Anzahl an kollidierenden und verschmelzenden Galaxien finden können.”
Diese Ergebnisse von Tadaki et al. erschienen am 02. Juli 2020 unter dem Titel “Spin Parity of Spiral Galaxies II: A catalogue of 80k spiral galaxies using big data from the Subaru Hyper Suprime-Cam Survey and deep learning” in den Monthly Notices of the Royal Astronomical Society.
(THK)
Antworten