Différentes formes de galaxies, de gauche à droite :elliptique, lenticulaire, spirale, et irrégulier/divers. Crédit :NASA/Hubble (galaxie elliptique M87), ESA/Hubble &NASA (galaxie lenticulaire NGC 6861 et galaxies des Antennes en collision), et David Dayag (la galaxie spirale d'Andromède).
Les astronomes ont conçu et entraîné un programme informatique capable de classer des dizaines de milliers de galaxies en quelques secondes, une tâche qui prend généralement des mois à accomplir.
Dans une recherche publiée aujourd'hui, des astrophysiciens australiens ont utilisé l'apprentissage automatique pour accélérer un processus qui est souvent effectué manuellement par des astronomes et des scientifiques citoyens du monde entier.
"Les galaxies se présentent sous différentes formes et tailles, " a déclaré l'auteur principal Mitchell Cavanagh, un doctorat candidat basé au nœud de l'Université d'Australie occidentale du Centre international de recherche en radioastronomie (ICRAR).
"Classer les formes des galaxies est une étape importante pour comprendre leur formation et leur évolution, et peut même faire la lumière sur la nature de l'Univers lui-même."
Cavanagh a déclaré qu'avec de plus grands relevés du ciel qui se produisent tout le temps, les astronomes collectent trop de galaxies pour les regarder et les classer par eux-mêmes.
"Nous parlons de plusieurs millions de galaxies au cours des prochaines années. Parfois, des scientifiques citoyens sont recrutés pour aider à classer les formes des galaxies dans des projets comme Galaxy Zoo, mais cela prend encore du temps."
C'est là que les réseaux de neurones convolutifs, ou CNN, entrer. Dans le monde high-tech d'aujourd'hui, ces types de programmes informatiques sont partout, utilisé dans tout, de l'imagerie médicale, bourses et analyse de données, à la façon dont Netflix génère des recommandations en fonction de votre historique de visionnage.
La puissance des CNN réside dans leur capacité à extraire des caractéristiques des images. Dans le programme informatique, les couches convolutives sont capables de cerner, tracer et détecter la présence de bras en spirale ou d'autres caractéristiques. Crédit :Mitchell Cavanagh/ICRAR
Dans les années récentes, Les CNN ont commencé à voir une adoption plus large en astronomie. La plupart des CNN existants que les astronomes utilisent sont binaires :est-ce une galaxie spirale ou non ? Mais ce nouveau CNN utilise une classification multiclasse - est-ce une elliptique, lenticulaire, spirale, ou galaxie irrégulière ?—avec plus de précision que les réseaux binaires existants.
Cavanagh a déclaré que l'apprentissage automatique est de plus en plus répandu en astronomie.
"L'énorme avantage des réseaux de neurones est la vitesse. Les images d'enquête qui auraient autrement pris des mois à être classées par les humains peuvent être classées en quelques minutes."
"En utilisant une carte graphique standard, on peut en classer 14, 000 galaxies en moins de trois secondes."
"Ces réseaux de neurones ne seront pas nécessairement meilleurs que les gens parce qu'ils sont formés par des gens, mais ils se rapprochent avec plus de 80% de précision, et jusqu'à 97% lors de la classification entre elliptiques et spirales."
Être capable de distinguer une galaxie lenticulaire des autres types peut être difficile pour les yeux humains, mais les couches convolutives recherchent des caractéristiques que nous ne pouvons pas voir. Aussi, un CNN ne se lasse pas, et si l'image est retournée ou tournée, cela ne fera pas une erreur à CNN. Crédit :Mitchell Cavanagh/ICRAR
"Si vous placez un groupe d'astronomes dans une pièce et leur demandez de classer un tas d'images, il y aura presque certainement des désaccords. Cette incertitude inhérente est le facteur limitant de tout modèle d'IA formé sur des données étiquetées."
Un grand avantage de cette nouvelle IA est que les chercheurs pourront en classer plus de 100, 000, 000 galaxies à différentes distances (ou redshifts) de la Terre et dans différents environnements (groupes, grappes, etc.). Cela les aidera à comprendre comment les galaxies se transforment au fil du temps, et pourquoi cela peut se produire dans des environnements particuliers.
Les CNN que M. Cavanagh a développés ne sont pas uniquement destinés à l'astronomie. Ils peuvent être réutilisés pour une utilisation dans de nombreux autres domaines, tant qu'ils disposent d'un ensemble de données suffisamment volumineux pour s'entraîner.
« Les CNN joueront un rôle de plus en plus important dans l'avenir du traitement des données, d'autant plus que des domaines comme l'astronomie sont aux prises avec les défis du big data, " il a dit
