Сучасні телескопи бачать у глибинах космосу неймовірну кількість об’єктів. Нова нейромережа здатна класифікувати, які з них є галактиками, а які — квазарами. Це дуже допоможе науковцям зрозуміти, на що космос схожий в цілому.
Класифікація небесних об’єктів
Нове дослідження, проведене вченими з обсерваторій Юньнань Китайської академії наук, дозволило розробити метод класифікації небесних об’єктів на основі нейронних мереж, про що йдеться у статті, нещодавно опублікованій в журналі The Astrophysical Journal Supplement Series.
Точна класифікація зір, галактик і квазарів має вирішальне значення для розуміння структури та еволюції Всесвіту в сучасній астрономії. Хоча спектроскопічні спостереження забезпечують високу точність класифікації, вони вимагають багато часу і ресурсів.
На відміну від них, фотометрична візуалізація є більш ефективною та чутливою до слабких об’єктів. Однак класифікація, що базується виключно на морфологічних або спектральних характеристиках розподілу енергії (SED), є неоднозначною. Наприклад, квазари з високим червоним зсувом і зір на зображеннях виглядають як точкові джерела, що ускладнює їхнє розрізнення.
Можливості нової нейронної мережі
Щоб вирішити ці завдання, дослідницька група створила мультимодальну нейронну мережу, яка може одночасно обробляти морфологічні та SED-характеристики. Завдяки інтеграції цих взаємодоповнювальних джерел даних модель досягла високої точності класифікації зір, квазарів і галактик. Вона була навчена на основі спектроскопічно підтверджених джерел із Sloan Digital Sky Survey Data Release 17, що заклало основу для класифікації.
При застосуванні до п’ятого випуску даних Kilo-Degree Survey (KiDS) модель успішно класифікувала понад 27 млн небесних джерел яскравіших за r = 23 магнітуди на площі приблизно 1350 квадратних градусів неба.
Тестування підтвердило ефективність моделі. При застосуванні до 3,4 млн джерел Gaia зі значним власним рухом або паралаксом — характеристиками, що зазвичай є унікальними для зір — модель правильно ідентифікувала 99,7 % як зоряні об’єкти. Аналогічно високі результати були отримані з Galaxy And Mass Assembly Data Release 4, де 99,7 % джерел були точно класифіковані як галактики або квазари.
Примітно, що дослідження виявило, що модель може виправляти помилкові класифікації в наявних каталогах. Випадкові перевірки показали, що деякі об’єкти, які візуально можна ідентифікувати як галактики, але які в SDSS помилково позначені як зорі, були правильно перекласифіковані нейронною мережею.
За матеріалами phys.org
