Diverse forme di galassie, da sinistra a destra:ellittica, lenticolare, spirale, e irregolari/varie. Credito:NASA/Hubble (galassia ellittica M87), ESA/Hubble e NASA (la galassia lenticolare NGC 6861 e le galassie Antenne in collisione), e David Dayag (la galassia a spirale di Andromeda).
Gli astronomi hanno progettato e addestrato un programma per computer in grado di classificare decine di migliaia di galassie in pochi secondi, un compito che di solito richiede mesi per essere portato a termine.
Nella ricerca pubblicata oggi, astrofisici australiani hanno utilizzato l'apprendimento automatico per accelerare un processo che viene spesso eseguito manualmente da astronomi e scienziati cittadini di tutto il mondo.
"Le galassie sono disponibili in diverse forme e dimensioni, " ha detto l'autore principale Mitchell Cavanagh, un dottorato di ricerca candidato con sede presso il nodo University of Western Australia dell'International Centre for Radio Astronomy Research (ICRAR).
"Classificare le forme delle galassie è un passo importante nella comprensione della loro formazione ed evoluzione, e può anche gettare luce sulla natura dell'Universo stesso."
Cavanagh ha detto che con le più ampie rilevazioni del cielo che accadono tutto il tempo, gli astronomi stanno raccogliendo troppe galassie per poterle guardare e classificare da soli.
"Stiamo parlando di diversi milioni di galassie nei prossimi anni. A volte gli scienziati cittadini vengono reclutati per aiutare a classificare le forme delle galassie in progetti come Galaxy Zoo, ma questo richiede ancora tempo".
Qui è dove le reti neurali convoluzionali, o CNN, entra. Nel mondo high-tech di oggi, questi tipi di programmi per computer sono ovunque, utilizzato in tutto, dall'imaging medico, mercati azionari e analisi dei dati, al modo in cui Netflix genera consigli in base alla cronologia delle visualizzazioni.
Il potere delle CNN risiede nella loro capacità di estrarre le caratteristiche nelle immagini. All'interno del programma per computer, gli strati convolutivi sono in grado di delineare, tracciare e rilevare la presenza di bracci a spirale o altre caratteristiche. Attestazione:Mitchell Cavanagh/ICRAR
Negli ultimi anni, Le CNN hanno iniziato a vedere una più ampia adozione in astronomia. La maggior parte delle CNN esistenti utilizzate dagli astronomi sono binarie:si tratta di una galassia a spirale o no? Ma questa nuova CNN utilizza la classificazione multiclasse:è un'ellittica, lenticolare, spirale, o galassia irregolare? - con maggiore precisione rispetto alle reti binarie esistenti.
Cavanagh ha affermato che l'apprendimento automatico sta diventando sempre più diffuso in astronomia.
"L'enorme vantaggio delle reti neurali è la velocità. Le immagini dei sondaggi che altrimenti avrebbero richiesto mesi per essere classificate dagli esseri umani possono invece essere classificate in pochi minuti".
"Utilizzando una scheda grafica standard, possiamo classificare 14, 000 galassie in meno di tre secondi."
"Queste reti neurali non saranno necessariamente migliori delle persone perché sono addestrate dalle persone, ma si stanno avvicinando con una precisione superiore all'80%, e fino al 97% quando si classifica tra ellittiche e spirali."
Riuscire a distinguere una galassia lenticolare dagli altri tipi può essere difficile per gli occhi umani, ma i livelli convoluzionali cercano caratteristiche che non possiamo vedere. Anche, una CNN non si stanca mai, e se l'immagine è capovolta o ruotata, questo non farà sbagliare la CNN. Attestazione:Mitchell Cavanagh/ICRAR
"Se metti un gruppo di astronomi in una stanza e chiedi loro di classificare un gruppo di immagini, ci saranno quasi certamente disaccordi. Questa incertezza intrinseca è il fattore limitante in qualsiasi modello di intelligenza artificiale addestrato su dati etichettati".
Un grande vantaggio di questa nuova IA è che i ricercatori saranno in grado di classificare più di 100, 000, 000 galassie a differenti distanze (o redshift) dalla Terra e in differenti ambienti (gruppi, cluster ecc). Questo li aiuterà a capire come le galassie si stanno trasformando nel tempo, e perché potrebbe accadere in ambienti particolari.
Le CNN che il signor Cavanagh ha sviluppato non sono solo per l'astronomia. Possono essere riutilizzati per l'uso in molti altri campi, purché dispongano di un set di dati sufficientemente grande con cui eseguire l'addestramento.
"Le CNN giocheranno un ruolo sempre più importante nel futuro dell'elaborazione dei dati, soprattutto perché campi come l'astronomia sono alle prese con le sfide dei big data, " Egli ha detto
