Cette image du télescope spatial Hubble d'une région des champs Hubble Legacy comprend une grande galaxie à disque. Crédit :NASA/STScI
Des chercheurs de l'UC Santa Cruz ont développé un nouveau programme informatique puissant appelé Morpheus qui peut analyser les données d'images astronomiques pixel par pixel pour identifier et classer toutes les galaxies et étoiles dans de grands ensembles de données provenant d'études d'astronomie.
Morpheus est un framework d'apprentissage en profondeur qui intègre une variété de technologies d'intelligence artificielle développées pour des applications telles que la reconnaissance d'images et de la parole. Brant Robertson, un professeur d'astronomie et d'astrophysique qui dirige le Computational Astrophysics Research Group à l'UC Santa Cruz, a déclaré que la taille rapidement croissante des ensembles de données d'astronomie a rendu essentiel l'automatisation de certaines des tâches traditionnellement effectuées par les astronomes.
"Il y a des choses que nous ne pouvons tout simplement pas faire en tant qu'humains, nous devons donc trouver des moyens d'utiliser les ordinateurs pour traiter l'énorme quantité de données qui arriveront au cours des prochaines années à partir de grands projets de relevés astronomiques, " il a dit.
Robertson a travaillé avec Ryan Hausen, un étudiant diplômé en informatique à la Baskin School of Engineering de l'UCSC, qui a développé et testé Morpheus au cours des deux dernières années. Avec la publication de leurs résultats le 12 mai dans le Série de suppléments de revues astrophysiques , Hausen et Robertson publient également le code Morpheus publiquement et proposent des démonstrations en ligne.
Les morphologies des galaxies, des galaxies à disques en rotation comme notre propre Voie lactée aux galaxies amorphes elliptiques et sphéroïdales, peut renseigner les astronomes sur la façon dont les galaxies se forment et évoluent au fil du temps. Enquêtes à grande échelle, comme le Legacy Survey of Space and Time (LSST) qui sera mené à l'observatoire de Vera Rubin actuellement en construction au Chili, générera d'énormes quantités de données d'image, et Robertson a participé à la planification de l'utilisation de ces données pour comprendre la formation et l'évolution des galaxies. LSST prendra plus de 800 images panoramiques chaque nuit avec une caméra de 3,2 milliards de pixels, enregistrer tout le ciel visible deux fois par semaine.
« Imaginez que vous alliez voir des astronomes et que vous leur demandiez de classer des milliards d'objets, comment pourraient-ils faire cela ? Maintenant, nous pourrons classer automatiquement ces objets et utiliser ces informations pour en savoir plus sur l'évolution des galaxies, ", a déclaré Robertson.
Les résultats de classification morphologique Morpheus correspondants pour la région dans l'image Hubble Legacy Fields. Crédit :Ryan Hausen
D'autres astronomes ont utilisé la technologie d'apprentissage en profondeur pour classer les galaxies, mais les efforts précédents ont généralement impliqué l'adaptation des algorithmes de reconnaissance d'images existants, et les chercheurs ont alimenté les algorithmes organisés en images de galaxies à classer. Hausen a construit Morpheus à partir de zéro spécifiquement pour les données d'images astronomiques, et le modèle utilise comme entrée les données d'image originales dans le format de fichier numérique standard utilisé par les astronomes.
La classification au niveau des pixels est un autre avantage important de Morpheus, dit Robertson. "Avec d'autres modèles, il faut savoir qu'il y a quelque chose et nourrir le modèle d'une image, et il classe la galaxie entière à la fois, " dit-il. " Morpheus découvre les galaxies pour vous, et le fait pixel par pixel, donc il peut gérer des images très compliquées, où vous pourriez avoir un sphéroïde juste à côté d'un disque. Pour un disque avec un renflement central, il classe le renflement séparément. C'est donc très puissant."
Pour entraîner l'algorithme de deep learning, les chercheurs ont utilisé les informations d'une étude de 2015 dans laquelle des dizaines d'astronomes ont classé environ 10, 000 galaxies dans les images du télescope spatial Hubble du relevé CANDELS. Ils ont ensuite appliqué Morpheus aux données d'image des champs Hubble Legacy, qui combine les observations prises par plusieurs enquêtes Hubble en champ profond.
Lorsque Morpheus traite une image d'une zone du ciel, il génère un nouvel ensemble d'images de cette partie du ciel dans lequel tous les objets sont codés par couleur en fonction de leur morphologie, séparer les objets astronomiques de l'arrière-plan et identifier les sources ponctuelles (étoiles) et les différents types de galaxies. La sortie comprend un niveau de confiance pour chaque classification. Fonctionnant sur le supercalculateur lux de l'UCSC, le programme génère rapidement une analyse pixel par pixel pour l'ensemble des données.
"Morpheus fournit la détection et la classification morphologique des objets astronomiques à un niveau de granularité qui n'existe pas actuellement, " a déclaré Hausen.
Une visualisation interactive des résultats du modèle Morpheus pour GOODS South, une étude en champ profond qui a imagé des millions de galaxies, a été rendu public. Ce travail a été soutenu par la NASA et la National Science Foundation.
