Machine learning w klasyfikowaniu galaktyk. Sekundy zamiast miesięcy pracy

Algorytmy samouczenia maszynowego zyskują konsekwentnie na znaczeniu w roli narzędzi postępu naukowo-badawczego, także w astronomii. Ostatnio potwierdzili to badacze z University of Western Australia, którzy opracowali program wykonujący w kilka sekund zadania dotychczas miesiącami realizowane przez cały sztab ludzi. W tym czasie oprogramowanie potrafi przypisać do odpowiedniej kategorii nawet do tysięcy galaktyk.

„Galaktyki mają różne kształty i rozmiary" - zwraca uwagę Mitchell Cavanagh, współautor publikacji na ten temat przedstawionej niedawno w periodyku Monthly Notices of the Royal Astronomical Society (MNRAS). "Sklasyfikowanie kształtów galaktyk to ważny krok w stronę zrozumienia ich powstawania i ewolucji. Może nawet pomóc w poznaniu natury Wszechświata” - dodaje.

Dzięki coraz bardziej dynamicznym badaniom, naukowcy gromadzą dane o galaktykach w ilości, której nie są w stanie przeanalizować. „Mówimy o kilku milionach galaktyk w ciągu kilku następnych lat. Czasami naukowcy-amatorzy pomagają w ich klasyfikacji w takich projektach jak Galaxy Zoo, ale to nadal zajmuje wiele czasu” - podkreśla badacz.

Do tego właśnie można wykorzystać konwolucyjne sieci neuronowe (CNNs - ang. convolutional neural networks). Dzisiaj stosuje się je już niemal wszędzie - tłumaczą astronomowie - w badaniach medycznych, analizie giełdy czy zachowań klientów. Obecne są także w astronomii, np. wykorzystywano je już do klasyfikacji galaktyk, ale tylko w prostym systemie - czy galaktyka jest spiralna, czy nie.

Tymczasem nowy program sprawdza, czy galaktyki mają kształt spiralny, eliptyczny, soczewkowy, czy nieregularny, a przy tym działa z większą dokładnością, niż poprzednie.

Ogromną zaletą sieci neuronowych jest prędkość ich działania. Obrazy galaktyk, których analiza ludziom zajęłaby miesiące, można sklasyfikować w ciągu minut. Korzystając z klasycznej karty graficznej możemy z łatwością przeanalizować 1400 galaktyk w czasie krótszym niż 3 sekundy.

Niekoniecznie jednak komputer będzie dokładniejszy niż człowiek - zwracają uwagę naukowcy. Przyczyna jest taka, że algorytmy uczą się na podstawie informacji opracowanych przez ludzi. Udało się im jednak osiągnąć dokładność 80 proc., a w przypadku galaktyk spiralnych i eliptycznych - 97 proc.

Naukowcy przygotowują się już do sklasyfikowania 100 mln galaktyk położonych w różnych odległościach od Ziemi i w różnych strukturach (grupach, gromadach itp.).

Opracowane narzędzie można przystosować także do innych dziedzin, które wymagają analizy potężnych ilości danych. „CNNs będą odgrywały coraz większą rolę w analizie informacji, szczególnie w takich dziedzinach jak astronomia, które muszą radzić sobie z wyzwaniami typowymi dla big data” - uważa Cavanagh.

Treść samego artykułu oraz skrócony opis jego głównych wątków są dostępne do wglądu na stronach internetowych.