Астрономы используют ИИ для уменьшения времени анализа изображений с нескольких месяцев до нескольких секунд

Астрономы используют ИИ для уменьшения времени анализа изображений с нескольких месяцев до нескольких секунд


Источник перевод для gearmix (Serg Kite)



Гравитационное линзирование — это когда изображение удалённого объекта в пространстве, например, галактики, искажается и умножается из-за гравитации массивного объекта, такого как скопление галактик, лежащего перед меньшим далёким объектом. Это полезное явление, которое помогло учёным обнаружить экзопланеты, понять эволюцию галактики, обнаружить сверхяркую галактику и чёрные дыры, а также доказать правоту Эйнштейна. Но анализ изображений, искажённых эффектом гравитационного линзирования, занимает очень много времени, требуя от исследователей сравнения реальных изображений с имитируемыми. Так что анализ изображений только одного объекта, полученных благодаря эффекту линзирования может занять недели или месяцы.

Но исследователи из Стэнфордовской лаборатории SLAC нашли способ сократить это время до долей секунды. Исследовательская группа обучала нейронную сеть с помощью полумиллиона имитированных линзированных изображений в течение дня. Впоследствии сети — а команда проверила четыре разных типа сетей — смогли извлечь информацию из изображений с точностью, сравнимой с традиционными методами.
«Удивительно то, что нейронные сети учатся сами, какие функции и что именно нужно искать, — сказал в своём заявлении Фил Маршалл, один из исследователей проекта. — Это сопоставимо с тем, как маленькие дети учатся распознавать объекты. Вы не говорите им точно, что такое собака, вы просто показываете им фотографии собак». Другой исследователь Яшар Хезаве уточнил, что «в этом случае такое ощущение, что дети не только выбрали фотографии собак из кучи различных фотографий, но и вернули информацию о весе, росте и возрасте собак».
С построением новых телескопов, которые, несомненно, будут открывать всё больше и больше примеров линзирования, для просеивания всех данных потребуются более быстрые методы, подобные этим. И что важно, нейронная сеть для анализа может быть реализована даже на ноутбуках или мобильных телефонах.
Исследование группы было недавно опубликовано в Nature, и вторая статья в настоящее время рассматривается для публикации в The Astrophysical Journal Letters. Вы можете получить доступ к версии этой статьи на arXiv.