Звезды, квазары и галактики — нейросеть видит то, что мы не замечаем

Учёные из Обсерватории Юньнань Китайской академии наук разработали инновационную нейросеть для классификации миллионов космических объектов, что может значительно улучшить наше понимание Вселенной. Результаты их работы были опубликованы в журнале The Astrophysical Journal Supplement Series.

Эта нейросеть решает важную задачу точной классификации звёзд, галактик и квазаров, что играет ключевую роль в исследовании структуры и эволюции космоса.

Традиционные методы классификации, такие как спектроскопические наблюдения, обеспечивают высокую точность, но требуют много времени и ресурсов. В то время как фотометрическая съёмка более эффективна и позволяет выявлять тусклые объекты, она может сталкиваться с трудностями в классификации, особенно когда объекты имеют схожие характеристики.

Например, квазары с высоким красным смещением и звёзды выглядят как точечные источники, что затрудняет их различение.

Для решения этой проблемы команда разработала мультимодальную нейросеть, которая анализирует одновременно морфологические и спектральные характеристики объектов. В результате такой подход позволил достичь высокой точности в классификации звёзд, квазаров и галактик.

Модель была обучена на данных из релиза Sloan Digital Sky Survey Data Release 17 и протестирована на данных из пятого релиза обзора Kilo-Degree Survey (KiDS), что позволило классифицировать более 27 миллионов космических объектов на площади около 1350 квадратных градусов.

Тестирование модели на данных Gaia и Galaxy And Mass Assembly Data Release 4 показало высокую точность классификации: 99,7% звёзд и 99,7% галактик и квазаров были правильно идентифицированы. Особенно важным результатом стало исправление ошибок классификации в существующих каталогах. Например, объекты, визуально похожие на галактики, но ошибочно помеченные как звёзды в SDSS, были правильно переклассифицированы нейросетью.