Современные телескопы видят в глубинах космоса огромное количество объектов. Новая нейросеть способна классифицировать, какие из них являются галактиками, а какие — квазарами. Это очень поможет ученым понять, на что космос похож в целом.
Классификация небесных объектов
Новое исследование, проведенное учеными из обсерваторий Юньнань Китайской академии наук, позволило разработать метод классификации небесных объектов на основе нейронных сетей, о чем говорится в статье, недавно опубликованной в журнале The Astrophysical Journal Supplement Series.
Точная классификация звезд, галактик и квазаров имеет решающее значение для понимания структуры и эволюции Вселенной в современной астрономии. Хотя спектроскопические наблюдения обеспечивают высокую точность классификации, они требуют много времени и ресурсов.
В отличие от них, фотометрическая визуализация более эффективна и чувствительна к слабым объектам. Однако классификация, основанная исключительно на морфологических или спектральных характеристиках распределения энергии (SED), неоднозначна. К примеру, квазары с высоким красным смещением и звезды на изображениях выглядят как точечные источники, что затрудняет их различение.
Возможности новой нейронной сети
Чтобы решить эти задачи, исследовательская группа создала мультимодальную нейронную сеть, которая может одновременно обрабатывать морфологические и SED-характеристики. Благодаря интеграции этих взаимодополняющих источников данных модель достигла высокой точности классификации звезд, квазаров и галактик. Она была обучена на основе спектроскопически подтвержденных источников из Sloan Digital Sky Survey Data Release 17, что заложило основу для классификации.
При применении к пятому выпуску данных Kilo-Degree Survey (KiDS) модель успешно классифицировала более 27 млн небесных источников ярче r = 23 магнитуды на площади примерно 1350 квадратных градусов неба.
Тестирование подтвердило эффективность модели. При применении к 3,4 млн источников Gaia со значительным собственным движением или параллаксом — характеристиками, которые обычно являются уникальными для звезд — модель правильно идентифицировала 99,7 % как звездные объекты. Аналогично высокие результаты были получены с Galaxy And Mass Assembly Data Release 4, где 99,7 % источников были точно классифицированы как галактики или квазары.
Примечательно, что исследование обнаружило, что модель может исправлять ошибочные классификации в существующих каталогах.
По материалам phys.org
