ASTERIS AI втрое увеличил количество обнаруженных ранних галактик в данных JWST

Что такое ASTERIS и как он работает?

ASTERIS — это фреймворк ИИ на основе самообучения (self-supervised), разработанный для улучшения астрономических изображений путем фильтрации пространственно-временного шума, скрывающего самые слабые сигналы в глубоком космосе. Созданный группой исследователей, в которую вошли Hao Zhang, Xiaojing Lin и Xinyang Li из Tsinghua University, он использует архитектуру на основе трансформеров для идентификации и коррекции коррелированных шумовых структур в нескольких экспозициях без необходимости в предварительно размеченных обучающих данных.

Астрономы давно борются с порогом шума при съемке глубокого космоса, который часто скрывает слабейшие сигналы из ранней Вселенной. Этот шум не является чисто случайным; он часто коррелирует между соседними пикселями изображения и в последовательных экспозициях. Традиционные методы шумоподавления часто с трудом сохраняют фотометрическую точность или функцию рассеяния точки (PSF), что может создавать артефакты, похожие на небесные объекты. Рассматривая последовательности изображений как трехмерный пространственно-временной объем, ASTERIS изучает внутреннюю структуру шума самого телескопа, позволяя ему «видеть» сквозь помехи, которые ограничивают возможности современных обсерваторий.

Архитектура ASTERIS представляет собой значительный сдвиг в сторону специализированного машинного интеллекта, отражая эффективность и адаптивность, характерные для исследований в области AGI (сильного ИИ). Благодаря использованию подхода самообучения (self-supervised learning), алгоритму не требуется «чистое» эталонное изображение для обучения. Вместо этого он использует внутреннюю согласованность самих астрономических данных, чтобы отличить физические сигналы — такие как далекие звезды и галактики — от систематического шума датчика. Эта способность делает его идеальным инструментом для обработки огромных массивов неразмеченных данных, генерируемых в настоящее время James Webb Space Telescope (JWST).

Сколько еще далеких галактик может обнаружить ASTERIS?

Алгоритм ASTERIS продемонстрировал способность утраивать количество обнаруживаемых кандидатов в галактики с высоким красным смещением в существующих наборах данных James Webb Space Telescope. В частности, при применении к снимкам глубокого космоса JWST инструмент идентифицировал в три раза больше кандидатов в галактики с красным смещением > 9, что соответствует состоянию Вселенной спустя всего несколько сотен миллионов лет после Большого взрыва.

Такой резкий рост числа обнаружений стал возможен благодаря тому, что ASTERIS восстанавливает структуры с низкой поверхностной яркостью, которые ранее были погребены под порогом шума. В ходе исследования ученые выяснили, что вновь идентифицированные галактики были примерно на 1,0 звездную величину тусклее в ультрафиолетовой светимости в собственной системе отсчета, чем те, что были найдены с помощью предыдущих методов обработки. Этот скачок чувствительности фактически расширяет границы «наблюдаемой» Вселенной, позволяя космологам заполнить пробелы в изучении Космического рассвета (Cosmic Dawn).

Последствия повышения частоты обнаружения включают:

• Увеличение объемов выборок: Большие популяции ранних галактик позволяют проводить более надежный статистический анализ формирования первых галактик.
• Восстановление слабых сигналов: Обнаружение карликовых галактик в ранней Вселенной, которые ранее были невидимы.
• Повышенная чистота данных: Поддержание 90% полноты и чистоты гарантирует, что «новые» галактики являются реальными физическими объектами, а не шумовыми артефактами.

Что означает улучшение глубины обнаружения на 1,0 звездную величину?

В астрономических терминах улучшение на 1,0 звездную величину означает, что телескоп может обнаруживать объекты примерно в 2,5 раза более тусклые, чем его прежний технический предел. Поскольку шкала астрономических величин является логарифмической, улучшение на одну ступень представляет собой огромный скачок в эффективности сбора света, фактически увеличивая «дальнобойность» телескопа без необходимости увеличения времени экспозиции.

Этот прирост в 1,0 звездную величину, достигнутый с помощью ASTERIS, является преобразующим показателем для наблюдательной космологии. Обычно для достижения такой глубины потребовалось бы значительное увеличение общего времени наблюдения — зачастую в два или три раза больше часов на таком востребованном инструменте, как JWST. Достигая этой глубины с помощью пространственно-временного шумоподавления на основе самообучения, исследователи могут, по сути, извлекать «бесплатные» данные из существующих наблюдений, делая каждую секунду работы телескопа более продуктивной.

Сохранение фотометрической точности в ходе этого процесса имеет решающее значение. Если алгоритм снижает шум, но меняет яркость или форму галактики, данные становятся бесполезными для научных измерений. Тестирование на имитационных данных подтвердило, что ASTERIS сохраняет целостность функции рассеяния точки, гарантируя, что профили светимости звезд и галактик остаются неискаженными. Именно эта точность отличает данный подход на базе ИИ от обычных фильтров сглаживания изображений, позиционируя его как основополагающий инструмент для научных приборов следующего поколения с поддержкой AGI.

Проблема порога шума в современной астрономии

Основным барьером для более глубокого исследования космоса является уже не только размер зеркала, но и коррелированный шум, присущий современным цифровым датчикам. Эти источники шума — от тепловых флуктуаций до электронных помех — часто имитируют вид слабых далеких галактик. Когда астрономы пытаются заглянуть дальше в прошлое, в раннюю Вселенную, сигналы, которые они ищут, настолько слабы, что их зачастую невозможно отличить от этих фоновых флуктуаций.

Традиционные конвейеры обработки изображений полагаются на сложение нескольких экспозиций для усреднения случайного шума, но это не учитывает шум, коррелированный во времени и пространстве. Достижение более глубоких звездных величин необходимо для изучения того, как формировались первые звезды и черные дыры. Без новых методов преодоления этого порога шума телескопы, такие как Subaru Telescope и JWST, в конечном итоге достигли бы точки убывающей отдачи, когда дополнительное время наблюдения больше не приносит новых открытий.

Представляем пространственно-временной трансформер ASTERIS

ASTERIS использует возможности моделей на основе трансформеров, которые отлично справляются с выявлением долгосрочных зависимостей в данных. В контексте астрономических изображений «зависимостями» являются шумовые структуры, которые повторяются в разных частях датчика или в разное время в процессе наблюдения. Интегрируя пространственно-временную информацию, алгоритм выстраивает сложную модель того, как выглядит шум, что позволяет вычитать его, оставляя нетронутыми уникальные, неповторяющиеся сигналы небесных объектов.

Этот подход представляет собой важный этап эволюции вычислительной оптики. В отличие от предыдущих моделей ИИ, которые обучались на конкретных типах галактик, природа самообучения ASTERIS означает, что он учится на конкретном наборе данных, который обрабатывает в данный момент. Такая гибкость является отличительной чертой продвинутого интеллекта, показывая, как принципы AGI могут применяться для создания узкоспециализированных инструментов, не страдающих от предвзятости существующих обучающих наборов. Результатом является надежная, адаптивная система, которая работает с различными телескопами и наборами фильтров.

Практическая проверка: от Subaru до JWST

Исследователи подтвердили эффективность ASTERIS, используя как синтетические «имитационные» данные, так и реальные наблюдения с ведущих наземных и космических обсерваторий. В данных с Subaru Telescope ASTERIS успешно идентифицировал галактические структуры с низкой поверхностной яркостью и гравитационно-линзированные дуги, которые были совершенно невидимы на исходных обработанных изображениях. Эти особенности жизненно важны для картирования распределения темной материи, которая служит гравитационным каркасом для галактик.

При применении к снимкам глубоких полей James Webb Space Telescope результаты были еще более впечатляющими. Алгоритм выявил популяцию галактик с красным смещением > 9, которые были пропущены предыдущими современными инструментами обработки. Эта проверка доказывает, что алгоритм является не просто теоретическим улучшением, а практическим инструментом, который можно применить к текущим архивным данным для немедленного получения новых научных прорывов.

Будущие последствия для космологии

Способность ASTERIS расширять пределы обнаружения на целую звездную величину может фундаментально переписать хронологию формирования ранних галактик. Если Вселенная вскоре после Большого взрыва была более густо заселена слабыми галактиками, чем считалось ранее, наши модели космической эволюции потребуют корректировки. Этот метод шумоподавления на основе ИИ также может быть применен к «наследию» — данным старых миссий, таких как Hubble или Spitzer, потенциально раскрывая новые открытия в материалах, которые астрономы считали уже полностью изученными.

По мере развития области искусственного интеллекта грань между сбором и обработкой данных стирается. Успех ASTERIS знаменует будущее, в котором ИИ станет не просто вспомогательным этапом анализа, а основным компонентом зрительной системы телескопа. В эту новую эру науки, дополненной AGI, ограничивающим фактором в нашем понимании Вселенной будет уже не физическое оборудование, которое мы запускаем в космос, а совершенство алгоритмов, которые мы используем для интерпретации улавливаемого им света.