Onderzoekers van UC Santa Cruz hebben een krachtig nieuw computerprogramma ontwikkeld, Morpheus genaamd, dat astronomische beeldgegevens pixel voor pixel kan analyseren om alle sterrenstelsels en sterren in grote datasets van astronomische onderzoeken te identificeren en te classificeren.

Morpheus is een diepgaand leerraamwerk dat een verscheidenheid aan kunstmatige-intelligentietechnologieën bevat die zijn ontwikkeld voor toepassingen zoals beeld- en spraakherkenning. Brant Robertson, een professor in astronomie en astrofysica die de Computational Astrophysics Research Group leidt aan UC Santa Cruz, zei dat de snel toenemende omvang van astronomische datasets het essentieel heeft gemaakt om sommige van de taken die traditioneel door astronomen worden uitgevoerd, te automatiseren.

"Sommige dingen kunnen we als mensen gewoon niet doen, dus we moeten manieren vinden om computers te gebruiken om de enorme hoeveelheid gegevens te verwerken die de komende jaren zullen binnenkomen van grote astronomische onderzoeksprojecten, " hij zei.

Robertson werkte samen met Ryan Hausen, een afgestudeerde informaticastudent aan de Baskin School of Engineering van UCSC, die Morpheus de afgelopen twee jaar heeft ontwikkeld en getest. Met de publicatie van hun resultaten 12 mei in de Astrophysical Journal Supplement-serie , Hausen en Robertson geven de Morpheus-code ook publiekelijk vrij en geven online demonstraties.

De morfologieën van sterrenstelsels, van sterrenstelsels met roterende schijven zoals onze eigen Melkweg tot amorfe elliptische en bolvormige sterrenstelsels, kan astronomen vertellen hoe sterrenstelsels zich in de loop van de tijd vormen en evolueren. Grootschalige onderzoeken, zoals de Legacy Survey of Space and Time (LSST) die moet worden uitgevoerd in het Vera Rubin-observatorium dat nu in aanbouw is in Chili, zal enorme hoeveelheden beeldgegevens genereren, en Robertson is betrokken geweest bij het plannen van het gebruik van die gegevens om de vorming en evolutie van sterrenstelsels te begrijpen. LSST zal elke nacht meer dan 800 panoramische beelden maken met een camera van 3,2 miljard pixels, twee keer per week de hele zichtbare lucht opnemen.

"Stel je voor dat je naar astronomen zou gaan en hen zou vragen miljarden objecten te classificeren - hoe zouden ze dat kunnen doen? Nu kunnen we die objecten automatisch classificeren en die informatie gebruiken om meer te weten te komen over de evolutie van sterrenstelsels, ' zei Robertson.

Andere astronomen hebben deep learning-technologie gebruikt om sterrenstelsels te classificeren, maar eerdere inspanningen hadden doorgaans betrekking op het aanpassen van bestaande algoritmen voor beeldherkenning, en onderzoekers hebben de door algoritmen samengestelde afbeeldingen van sterrenstelsels gevoed die moeten worden geclassificeerd. Hausen heeft Morpheus vanaf de grond opgebouwd speciaal voor astronomische beeldgegevens, en het model gebruikt als invoer de originele beeldgegevens in het standaard digitale bestandsformaat dat door astronomen wordt gebruikt.

Classificatie op pixelniveau is een ander belangrijk voordeel van Morpheus, zei Robertson. "Bij andere modellen je moet weten dat er iets is en het model een afbeelding geven, en het classificeert de hele melkweg in één keer, ' zei hij. 'Morpheus ontdekt de sterrenstelsels voor je, en doet het pixel voor pixel, dus het kan zeer gecompliceerde afbeeldingen aan, waar je misschien een bolvormig vlak naast een schijf hebt. Voor een schijf met een centrale uitstulping, het classificeert de uitstulping afzonderlijk. Het is dus heel krachtig."

Om het deep learning-algoritme te trainen, de onderzoekers gebruikten informatie uit een onderzoek uit 2015 waarin tientallen astronomen ongeveer 10 classificeerden, 000 sterrenstelsels in Hubble Space Telescope-afbeeldingen van de CANDELS-enquête. Vervolgens pasten ze Morpheus toe op beeldgegevens van de Hubble Legacy Fields, die waarnemingen van verschillende Hubble-diepveldonderzoeken combineert.

Wanneer Morpheus een afbeelding van een deel van de lucht verwerkt, het genereert een nieuwe reeks afbeeldingen van dat deel van de lucht waarin alle objecten een kleurcode hebben op basis van hun morfologie, het scheiden van astronomische objecten van de achtergrond en het identificeren van puntbronnen (sterren) en verschillende soorten sterrenstelsels. De output bevat een betrouwbaarheidsniveau voor elke classificatie. Draait op UCSC's lux supercomputer, het programma genereert snel een pixel-voor-pixel analyse voor de gehele dataset.

"Morpheus biedt detectie en morfologische classificatie van astronomische objecten op een niveau van granulariteit dat momenteel niet bestaat, ' zei Hausen.

Een interactieve visualisatie van de Morpheus-modelresultaten voor GOODS South, een diepveldonderzoek dat miljoenen sterrenstelsels in beeld bracht, openbaar is gemaakt. Dit werk werd ondersteund door NASA en de National Science Foundation.