银河系是宇宙中最庞大的一些结构,但尽管有数百万光年,但它们仍然很难被发现。兰开斯特大学的研究人员已经转向人工智能寻求帮助,开发“深度CEE”(深度学习银河群提取和评估),这是一种新颖的深度学习技术,可以加速寻找它们的过程。兰卡斯特大学博士生Matthew Chan将于7月4日下午3:45在天文物理学机器学习会议上的皇家天文学会国家天文学会议上展示这项工作。

宇宙中的大多数星系都生活在被称为“田野”的低密度环境中,或者生活在小群体中,就像包含我们银河系和仙女座星系的星系一样。星系团是罕见的,但它们代表了星系可以生存的最极端环境,研究它们可以帮助我们更好地了解暗物质和暗能量。

在20世纪50年代,星系聚类发现的先驱,天文学家乔治阿贝尔花了很多年的时间用眼睛搜索星系团,用放大镜和照相板来定位它们。阿贝尔手动分析了大约2,000个摄影板,寻找星系团的视觉特征,并详细描述了星系密集区域的天文坐标。他的工作产生了在北半球发现的星系团的“阿贝尔目录”。

Deep-CEE建立在Abell用于识别星系团的方法的基础上,但用AI模型取代天文学家,该模型经过训练以“观察”彩色图像并识别星系团。它是一种基于神经网络的先进模型,旨在模仿人类大脑学习识别物体的方式,通过激活特定神经元,在可视化独特的图案和颜色时。

Chan通过在图像中反复显示已知的,已标记的对象的示例来训练AI,直到算法能够学习自己关联对象。然后进行了一项试验性研究,以测试该算法在包含许多其他天文物体的图像中识别和分类星系团的能力。

“我们已成功将Deep-CEE应用于斯隆数字天空调查”,陈说,“最终,我们将在革命性调查中运行我们的模型,例如大型天气测量望远镜(LSST),它将探测更广泛和更深入的宇宙区域从未探索过。

新的先进望远镜使天文学家能够比以往更广泛,更深入地观察,例如研究宇宙的大规模结构并绘制其巨大的未被发现的内容。

通过自动化发现过程,科学家们可以快速扫描多组图像,并以最少的人机交互返回精确的预测。这对于将来分析数据至关重要。即将到来的LSST天空调查(将于2021年上线)将对整个南半球的天空进行成像,每晚产生大约15 TB的数据。

“深度学习等数据挖掘技术将帮助我们分析现代望远镜的巨大输出”,John Stott博士(Chan的博士生导师)说。“我们希望我们的方法可以找到科学以前从未见过的数千个聚类。”