Komputer klasyfikuje galaktyki

Komputer klasyfikuje galaktykiOriginal Press Release
Naukowcy Uniwersytetu College London (UCL) i Uniwersytetu Cambridge opracowali algorytmy maszynowe wykorzystujące modele ludzkiego mózgu, które mogą zostać wykorzystane do dokładnej i wydajnej klasyfikacji galaktyk.

Choć ludzkie oko bardzo skutecznie rozpoznaje wzory, sprytne techniki obliczeniowe umożliwiające odtworzenie tych możliwości jest niezbędne aby poszerzyć granice obserwowalnego Wszechświata i wykryć bardziej odległe galaktyki

Prof. Ofer Lahav

We Wszechświecie są miliardy galaktyk, każda z nich zawiera od 10 milionów do tryliona gwiazd. Galaktyki mają najrozmaitsze kształty – od eliptycznych i spiralnych po nieregularne. Ogromne projekty obserwacyjne takie jak cyfrowy przegląd nieba Sloana (SDSS) wykonują zdjęcia ogromnej ilości galaktyk. Pierwszym krokiem w procesie wykorzystania tych danych w celu zrozumienie ich pochodzenia i ewolucji jest sklasyfikowanie tych galaktyk. W projekcie Galaxy Zoo 250 000 ochotników dokonało klasyfikacji 60 milionów galaktyk.

Zespół naukowców wykorzystał klasyfikacje wykonane w projekcie Galaxy Zoo aby nauczyć algorytm komputerowy znany jak sieć neuronowa rozpoznawać różne rodzaje galaktyk. Sztuczne sieci neuronowe są projektowane tak, by naśladowały biologiczne sieci neuronowe – podobnie jak sieci biologiczne, również sztuczne sieci neuronowe jako dane wejściowe wykorzystują kształty, barwy i rozmiary obiektów astrofizycznych generując na wyjściu ich klasyfikację. Wytrenowana sieć pozwoliła uzyskać ponad 90% zgodność z klasyfikacją prowadzoną przez ludzi.

„Jesteśmy pod ogromnym wrażeniem tego, że komputer miał tak dobre wyniki „- mówi dr Manda Banerji z Instytutu Astronomii Uniwersytetu Cambridge, który kierował badaniami. -” Tego rodzaju analiza jest krytycznie ważna bowiem wkraczamy w nową erę astronomicznych przeglądów nieba. Budowane obecnie teleskopy nowej generacji wykonają zdjęcia milionów, a może nawet miliardów galaktyk w ciągu najbliższego dziesięciolecia. To ogromna ilość danych i niemożliwe jest by każde zdjęcie zostało obejrzane przez człowieka.”

Jednym z takich przeglądów, w którym uczestniczyć będzie Wielka Brytania, jest DES (Dark Energy Survey), którego początek planuje się na 2001 rok. W ramach tego projektu w ciągu pięciu lat zostanie sfotografowanych 300 milionów galaktyk. Inny projekt, w kórym uczestniczą astronomowie Uniwersytetu Cambridge to VISTA Hemisphere Survey mający wykonać zdjęcia galaktyk całego nieba południowego.

Kierujący zespołem astrofizyków UCL prof. Ofer Lehav mówi: „Choć ludzkie oko bardzo skutecznie rozpoznaje wzory, sprytne techniki obliczeniowe umożliwiające odtworzenie tych możliwości jest niezbędne aby poszerzyć granice obserwowalnego Wszechświata i wykryć bardziej odległe galaktyki. Badania te są ważnym krokiem w tym kierunku.”

Źródła:

Spiral, barred, elliptical and irregular: computers automatically classify galaxy shapes

Scientists at University College London (UCL) and the University of Cambridge have developed machine-learning codes modelled on the human brain that can be used to classify galaxies accurately and efficiently. Remarkably, the new method is so reliable that it agrees with human classifications more than 90% of the time. The research will appear in a paper in the journal Monthly Notices of the Royal Astronomical Society.

There are billions of galaxies in the Universe, containing anything between ten million and a trillion stars. They display a wide range of shapes, from elliptical and spiral to much more irregular systems. Large observational projects – such as the Sloan Digital Sky Survey – are mapping and imaging a vast number of galaxies. As part of the process of using these data to better understand their origin and evolution, the first step is to classify the types of galaxies within these large samples. The 250,000 members of the public participating in the Galaxy Zoo project recently classified 60 million such galaxies by eye.

Now, a team of astronomers has used Galaxy Zoo classifications to train a computer algorithm known as an artificial neural network to recognize the different galaxy types.  The artificial neural network is designed to simulate a biological neural network like those found in living things. It derives complex relationships between inputs such as the shapes, sizes and colours of astrophysical objects and outputs such as their type, mimicking the analysis carried out by the human brain. This method managed to reproduce over 90% of the human classifications of galaxies.

“We were astonished that a computer could do so well” says Dr Manda Banerji from the Institute of Astronomy at the University of Cambridge who led the research, which formed part of her PhD thesis at UCL. “This kind of analysis is essential as we are now entering a new age of astronomical surveys. Next generation telescopes now under construction will image hundreds of millions and even billions of galaxies over the coming decade. The numbers are overwhelming and every image cannot viably be studied by the human eye.”

A large-scale sky survey in which the UK is playing a leading role is the Dark Energy Survey (DES) due to commence in 2011, which is expected to image 300 million galaxies over 5 years. Another survey called the VISTA Hemisphere Survey being led by astronomers at the University of Cambridge, has just started taking data and will image galaxies over the entire southern hemisphere.

Professor Ofer Lahav, head of Astrophysics at UCL and chair of the international DES Science Committee, who supervised Banerji’s thesis, commented: “While human eyes are very efficient in recognizing patterns, clever computational techniques that can reproduce this behaviour are essential as we begin to push the boundaries of our observable Universe and detect more distant galaxies. This study is an important step in that direction.”

Written by admin

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *