Метод машинного обучения под названием «глубокое обучение», который широко использовался ранее при распознавании лиц, других изображений и речи, показал свою перспективность и при анализе снимков галактик, а также изучении их формирования и эволюции.
В новом исследовании астрономы применили компьютерное моделирование процессов формирования галактик для «тренировки» алгоритма глубокого обучения, который затем показал хорошие результаты при анализе снимков галактик, сделанных при помощи космического телескопа Hubble («Хаббл»).
Исследователи использовали результаты этого моделирования для получения «искусственных» изображений смоделированных галактик, представляющих галактики такими, какими бы они выглядели при наблюдениях с использованием «Хаббла». Эти искусственные снимки были использованы для тренировки системы глубокого обучения на распознавание трех ключевых этапов эволюции галактик, которые прежде были обнаружены в ходе моделирования. Затем исследователи применили эту систему для классификации реальных снимков, сделанных «Хабблом».
Результаты распознавания показали высокий уровень соответствия между классификациями реальных и смоделированных галактик, выполненных при помощи этой нейронной сети.
«Мы не ожидали, что получим настолько впечатляющий результат. Я удивлен, насколько мощным оказался этот алгоритм», — рассказал один из авторов исследования Джоэль Примак (Joel Primack), заслуженный профессор физики и сотрудник Института физики частиц Калифорнийского университета в Санта-Круз, США.
Иллюстрация к статье:
Обсуждение