AI ASTERIS trzykrotnie zwiększa liczbę wykryć wczesnych galaktyk w danych z JWST

Czym jest ASTERIS i jak działa?

ASTERIS to samosuperwizjonowany system AI zaprojektowany w celu udoskonalania obrazowania astronomicznego poprzez filtrowanie szumu czasoprzestrzennego, który przesłania najsłabsze sygnały z głębi kosmosu. Opracowany przez naukowców, w tym Hao Zhanga, Xiaojing Lin i Xinyanga Li z Tsinghua University, wykorzystuje architekturę opartą na transformatorach do identyfikacji i korygowania skorelowanych wzorców szumu w wielu ekspozycjach bez konieczności posiadania wstępnie etykietowanych danych treningowych.

Astronomowie od dawna zmagają się z poziomem szumu w obrazowaniu głębokiego kosmosu, który często przesłania najsłabsze sygnały z wczesnego wszechświata. Szum ten nie jest czysto losowy; często występuje korelacja między sąsiednimi pikselami obrazu oraz między kolejnymi ekspozycjami. Tradycyjne techniki odszumiania często mają trudności z zachowaniem dokładności fotometrycznej lub funkcji rozproszenia punktu (PSF), co potencjalnie tworzy artefakty wyglądające jak obiekty niebieskie. Traktując sekwencje obrazów jako trójwymiarową objętość czasoprzestrzenną, ASTERIS uczy się podstawowej struktury szumu samego teleskopu, co pozwala mu „widzieć” przez zakłócenia ograniczające obecne obserwatoria.

Architektura ASTERIS reprezentuje znaczące przesunięcie w stronę wyspecjalizowanej inteligencji maszynowej, odzwierciedlając wydajność i zdolności adaptacyjne spotykane w badaniach nad AGI. Dzięki zastosowaniu podejścia opartego na uczeniu samosuperwizjonowanym algorytm nie potrzebuje „czystego” obrazu referencyjnego (ground-truth), aby się uczyć. Zamiast tego wykorzystuje wewnętrzną spójność samych danych astronomicznych do odróżnienia sygnałów fizycznych – takich jak odległe gwiazdy i galaktyki – od systematycznego szumu czujnika. Ta zdolność czyni go idealnym narzędziem do przetwarzania ogromnych, nieoznakowanych zbiorów danych generowanych obecnie przez Kosmiczny Teleskop Jamesa Webba (JWST).

O ile więcej odległych galaktyk może wykryć ASTERIS?

Algorytm ASTERIS wykazał zdolność do potrojenia liczby wykrywalnych kandydatów na galaktyki o wysokim przesunięciu ku czerwieni w istniejących zbiorach danych z Kosmicznego Teleskopu Jamesa Webba. W szczególności, po zastosowaniu do głębokich obrazów JWST, narzędzie zidentyfikowało trzy razy więcej kandydatów na galaktyki o przesunięciu ku czerwieni (redshift) > 9, reprezentujących wszechświat zaledwie kilkaset milionów lat po Wielkim Wybuchu.

Ten ogromny wzrost wykryć jest możliwy, ponieważ ASTERIS odzyskuje struktury o niskiej jasności powierzchniowej, które wcześniej były ukryte poniżej poziomu szumu. W badaniu naukowcy odkryli, że nowo zidentyfikowane galaktyki były o około 1,0 magnitudo słabsze w spoczynkowej jasności ultrafioletowej niż te znalezione przy użyciu poprzednich metod przetwarzania. Ten skok czułości skutecznie przesuwa granice „obserwowalnego” wszechświata, pozwalając kosmologom wypełnić luki w Kosmicznym Świcie.

Wpływ tego zwiększonego współczynnika detekcji obejmuje:

• Zwiększone rozmiary próbek: Większe populacje wczesnych galaktyk pozwalają na bardziej rzetelną analizę statystyczną formowania się wczesnych galaktyk.
• Odzyskiwanie słabszych sygnałów: Detekcja galaktyk karłowatych we wczesnym wszechświecie, które wcześniej były niewidoczne.
• Poprawiona czystość: Utrzymanie 90% kompletności i czystości gwarantuje, że „nowe” galaktyki są rzeczywistymi obiektami fizycznymi, a nie artefaktami szumu.

Czym jest poprawa głębokości detekcji o 1,0 magnitudo?

W kategoriach astronomicznych poprawa o 1,0 magnitudo oznacza, że teleskop może wykryć obiekty około 2,5 raza słabsze niż jego poprzedni limit techniczny. Ponieważ astronomiczna skala magnitudo jest logarytmiczna, poprawa o jeden stopień reprezentuje ogromny skok w wydajności zbierania światła, skutecznie zwiększając „zasięg” teleskopu bez konieczności wydłużania czasu ekspozycji.

Ten wzrost o 1,0 magnitudo osiągnięty przez ASTERIS jest transformacyjnym miernikiem dla kosmologii obserwacyjnej. Zazwyczaj osiągnięcie takiej głębokości wymagałoby znacznego wydłużenia całkowitego czasu obserwacji – często dwukrotnego lub trzykrotnego zwiększenia liczby godzin na tak obleganym instrumencie jak JWST. Osiągając tę głębokość poprzez samosuperwizjonowane odszumianie czasoprzestrzenne, badacze mogą zasadniczo wydobyć „darmowe” dane z istniejących obserwacji, czyniąc każdą sekundę czasu teleskopu bardziej produktywną.

Zachowanie dokładności fotometrycznej podczas tego procesu jest kluczowe. Jeśli algorytm redukuje szum, ale zmienia jasność lub kształt galaktyki, dane stają się bezużyteczne dla pomiarów naukowych. Testy porównawcze na danych symulowanych potwierdziły, że ASTERIS zachowuje integralność funkcji rozproszenia punktu, zapewniając, że profile świetlne gwiazd i galaktyk pozostają niezniekształcone. Ta precyzja odróżnia to podejście oparte na AI od powszechnych filtrów wygładzających obraz, pozycjonując je jako fundamentalne narzędzie dla nowej generacji instrumentów naukowych wspomaganych przez AGI.

Wyzwanie poziomu szumu we współczesnej astronomii

Główną barierą w głębszej eksploracji kosmosu nie jest już tylko rozmiar lustra, ale szum skorelowany nieodłącznie związany ze współczesnymi czujnikami cyfrowymi. Źródła tego szumu – od fluktuacji termicznych po zakłócenia elektroniczne – często naśladują wygląd słabych, odległych galaktyk. Kiedy astronomowie próbują spojrzeć dalej w przeszłość, we wczesny wszechświat, sygnały, których szukają, są tak słabe, że często nie można ich odróżnić od tych fluktuacji tła.

Tradycyjne procesy przetwarzania obrazu opierają się na nakładaniu (stackowaniu) wielu ekspozycji w celu uśrednienia losowego szumu, ale nie uwzględnia to szumu skorelowanego w czasie i przestrzeni. Osiąganie głębszych wielkości gwiazdowych jest niezbędne do badania powstawania pierwszych gwiazd i czarnych dziur. Bez nowych metod przełamania tego poziomu szumu, teleskopy takie jak Teleskop Subaru i JWST w końcu osiągnęłyby punkt malejących zwrotów, w którym dodatkowy czas obserwacji nie przynosiłby już nowych odkryć.

Przedstawiamy transformator czasoprzestrzenny ASTERIS

ASTERIS wykorzystuje moc modeli opartych na transformatorach, które doskonale radzą sobie z identyfikacją zależności dalekiego zasięgu w danych. W kontekście obrazowania astronomicznego „zależnościami” są wzorce szumu, które powtarzają się w różnych częściach czujnika lub w różnych momentach podczas obserwacji. Integrując informacje czasoprzestrzenne, algorytm buduje złożony model tego, jak wygląda szum, co pozwala mu odjąć ten szum przy jednoczesnym pozostawieniu nienaruszonych unikalnych, niepowtarzających się sygnałów obiektów niebieskich.

Takie podejście stanowi istotną ewolucję w optyce obliczeniowej. W przeciwieństwie do poprzednich modeli AI, które były trenowane na konkretnych typach galaktyk, samosuperwizjonowana natura ASTERIS oznacza, że uczy się on na podstawie konkretnego zbioru danych, który aktualnie przetwarza. Ta elastyczność jest znakiem rozpoznawczym zaawansowanej inteligencji, pokazując, jak zasady AGI mogą być stosowane do tworzenia wysoce wyspecjalizowanych narzędzi, które nie cierpią z powodu uprzedzeń wynikających z istniejących wcześniej zestawów treningowych. Rezultatem jest solidny, zdolny do adaptacji system, który działa z różnymi teleskopami i zestawami filtrów.

Walidacja w świecie rzeczywistym: od Subaru do JWST

Badacze zweryfikowali ASTERIS, korzystając zarówno z syntetycznych danych symulowanych, jak i rzeczywistych obserwacji z czołowych obserwatoriów naziemnych i kosmicznych. W danych z Teleskopu Subaru ASTERIS z powodzeniem zidentyfikował struktury galaktyk o niskiej jasności powierzchniowej oraz łuki soczewkowane grawitacyjnie, które były całkowicie niewidoczne w oryginalnych przetworzonych obrazach. Cechy te mają kluczowe znaczenie dla mapowania rozmieszczenia ciemnej materii, która stanowi grawitacyjne rusztowanie dla galaktyk.

Zastosowanie do obrazów głębokiego pola Kosmicznego Teleskopu Jamesa Webba przyniosło jeszcze głębsze rezultaty. Algorytm zidentyfikował populację galaktyk o przesunięciu ku czerwieni (redshift) > 9, które zostały pominięte przez poprzednie najnowocześniejsze systemy przetwarzania. Ta walidacja dowodzi, że algorytm nie jest tylko teoretycznym usprawnieniem, ale praktycznym narzędziem, które można zastosować do obecnych danych archiwalnych, aby natychmiast uzyskać nowe przełomy naukowe.

Przyszłe konsekwencje dla kosmologii

Zdolność ASTERIS do przesunięcia limitów detekcji o pełne magnitudo może fundamentalnie zmienić harmonogram formowania się wczesnych galaktyk. Jeśli wszechświat był bardziej wypełniony słabymi galaktykami krótko po Wielkim Wybuchu, niż wcześniej sądzono, nasze modele ewolucji kosmicznej będą wymagały korekty. Ta oparta na AI metoda odszumiania mogłaby zostać również zastosowana do danych archiwalnych ze starszych misji, takich jak Hubble czy Spitzer, potencjalnie ujawniając nowe odkrycia w danych, które astronomowie uważali za już w pełni wyeksploatowane.

W miarę ewolucji dziedziny sztucznej inteligencji, linia między zbieraniem a przetwarzaniem danych zaciera się. Sukces ASTERIS sygnalizuje przyszłość, w której AI nie jest tylko wtórnym etapem analizy, ale podstawowym elementem systemu wizyjnego teleskopu. W tej nowej erze nauki wspomaganej przez AGI, czynnikiem ograniczającym nasze zrozumienie wszechświata nie będzie już sprzęt fizyczny, który wysyłamy w kosmos, ale wyrafinowanie algorytmów, których używamy do interpretacji światła, które on przechwytuje.