AI-stödd sökning avtäcker 1 400 mystiska objekt i Hubbles 30-åriga arkiv

AI-assisterad sökning avtäcker 1 400 mystiska objekt i Hubbles 30-åriga arkiv

I mer än tre decennier har Hubble Space Telescope fungerat som mänsklighetens främsta öga mot kosmos och fångat bilder som har omdefinierat vår förståelse av stjärnfödelse, galaktisk evolution och universums expansion. Den enorma mängd data som genereras av observatoriet har dock länge överstigit mänskliga forskares förmåga att inspektera varje bildruta. I en banbrytande studie publicerad i tidskriften Astronomy & Astrophysics har ett team astronomer från European Space Agency (ESA) använt ett toppmodernt AI-verktyg för att sålla igenom detta berg av data, vilket har lett till upptäckten av nästan 1 400 anomala objekt som tidigare undgått upptäckt. Genom att skanna 100 miljoner bildutsnitt på bara 60 timmar har forskarna demonstrerat hur maskininlärning kan förvandla århundraden av manuellt arbete till några dagars beräkningsprocesser.

Utmaningen med Big Data i modern astronomi

Hubble Legacy Archive utgör ett av de mest betydelsefulla arkiven för vetenskaplig information i historien och innehåller tiotusentals dataset som spänner över 35 år av observationer. Även om arkivet är en guldgruva för astrofysisk forskning, innebär det också ett avskräckande "nål i en höstack"-problem. Traditionellt sett har upptäckten av sällsynta eller anomala objekt – såsom krockande galaxer eller gravitationslinser – krävt att astronomer manuellt inspekterar bilder eller förlitar sig på slumpmässiga upptäckter under orelaterade studier. Trots framväxten av medborgarforskningsprojekt, där tusentals volontärer hjälper till att klassificera himlakroppar, ökar takten i datainsamlingen från moderna teleskop snabbt bortom gränserna för mänsklig kollektiv ansträngning.

Behovet av automatiserade system har aldrig varit mer trängande. I takt med att teleskopen blir kraftfullare och kartläggningarna mer omfattande är "höstacken" inte längre bara stor; den expanderar i en exponentiell takt. Forskarna David O’Ryan och Pablo Gómez från ESA insåg att för att hitta de mest "egenartade" och vetenskapligt signifikanta extremvärdena i Hubble-datat behövde de en metodik som kombinerade den mänskliga hjärnans nyanserade mönsterigenkänning med de moderna processorernas obevekliga hastighet. Detta ledde till utvecklingen av ett sofistikerat nytt verktyg som utformats specifikt för att jaga det ovanliga.

Metodiken: 100 miljoner bilder på 60 timmar

För att ta itu med arkivets eftersläpning utvecklade teamet ett neuralt nätverk – en AI-arkitektur inspirerad av den mänskliga hjärnans biologiska strukturer – som de gav namnet AnomalyMatch. Till skillnad från standardalgoritmer som är programmerade att hitta specifika, väldefinierade objekt som stjärnor eller spiralgalaxer, tränades AnomalyMatch för att känna igen det "märkliga". Det letar efter mönster som avviker från normen, såsom förvrängda symmetrier, ovanliga gasformiga utskott eller förvridna ljussignaturer. Det neurala nätverket sattes in för att skanna nästan 100 miljoner bildutsnitt från Hubble Legacy Archive, vilket markerar första gången hela samlingen har genomsökts systematiskt efter astrofysiska anomalier.

AI-systemets effektivitet var häpnadsväckande. Vad som skulle ha tagit ett team av professionella astronomer årtionden att inspektera för hand slutfördes av AnomalyMatch på bara två och en halv dag. Forskarna betonade dock att AI:n inte agerar isolerat. När algoritmen väl hade flaggat potentiella kandidater, inspekterade O’Ryan och Gómez personligen källorna med hög sannolikhet för att verifiera deras äkthet. Detta "human-in-the-loop"-tillvägagångssätt säkerställer att AI-hastigheten dämpas av erfarna forskares expertis, vilket filtrerar bort digitala artefakter eller kamerabrus som skulle kunna lura ett mindre sofistikerat system.

Katalogisering av de "egenartade" upptäckterna

Sökningen resulterade i en guldgruva med 1 400 anomala objekt, varav svindlande 800 aldrig tidigare hade dokumenterats i vetenskaplig litteratur. Katalogen innehåller ett brett spektrum av kosmiska sällsyntheter som utmanar våra visuella förväntningar på rymden. Bland fynden fanns:

• Kollisionsringgalaxer: Sällsynta strukturer som bildas när en galax störtar genom mitten av en annan, vilket skapar en ringvåg av stjärnbildning.
• Gravitationslinser och bågar: Fall där gravitationen från ett massivt objekt i förgrunden böjer ljuset från en mer avlägsen galax till cirklar eller utdragna bågar.
• Manetgalaxer: System med långa, gasformiga "tentakler" som slits bort när de rör sig genom det intergalaktiska mediet.
• Protoplanetära skivor sedda från kanten: Utvecklande solsystem som framstår som "hamburgare" eller "fjärilar" när de ses från sidan.

Varför anomalier är viktiga för vetenskapen

Inom astrofysiken är extremvärdena ofta viktigare än genomsnitten. Medan vanliga galaxer berättar för oss hur universum beter sig för det mesta, berättar anomalier hur universum beter sig under extrema förhållanden. "Arkivobservationer från Hubble Space Telescope sträcker sig nu 35 år tillbaka i tiden, vilket utgör en guldgruva av data där astrofysiska anomalier kan hittas", noterade David O’Ryan, studiens huvudförfattare. Dessa "egenartade" objekt ger kritiska datapunkter för att testa teorier om gravitation, mörk materia och galaktisk evolution. Till exempel kan en sällsynt gravitationslins fungera som ett naturligt teleskop, vilket gör att forskare kan se längre tillbaka i tiden än vad som annars vore möjligt.

Dessutom ger dessa upptäckter en färdplan för framtida observationer. Genom att identifiera dessa 1 400 objekt nu kan det vetenskapliga samfundet prioritera dem för uppföljningsstudier med mer avancerade instrument som James Webb Space Telescope (JWST). Att förstå varför en galax har antagit formen av en "manet" eller varför en stjärnbildande skiva ser asymmetrisk ut kan leda till genombrott i vår förståelse av gasens fluiddynamik i rymden och stjärnornas livscykler.

Framtiden för arkivforskning

Framgången med AnomalyMatch-verktyget har djupgående konsekvenser för framtiden för rymdforskning. Vi går nu in i en era av "kartläggningsastronomi", där nya anläggningar som ESA:s rymdteleskop Euclid och Vera C. Rubin Observatory kommer att producera petabytes av data. Euclid, som påbörjade sin kartläggning 2023, har i uppdrag att kartlägga miljarder galaxer över en tredjedel av himlen. Utan AI-verktyg som det som utvecklats av O’Ryan och Gómez skulle mycket av det mest intressanta datat från dessa uppdrag sannolikt förbli begravt i digitala arkiv i generationer.

Studiens medförfattare Pablo Gómez betonade den bredare nyttan av deras arbete och konstaterade: "Detta är en fantastisk användning av AI för att maximera det vetenskapliga utbytet av Hubble-arkivet. Att hitta så många anomala objekt i Hubble-data, där man skulle kunna förvänta sig att många redan hade hittats, är ett fantastiskt resultat." Teamets metodik fungerar som ett bevis på konceptet som kan tillämpas på det kommande Nancy Grace Roman Space Telescope, som planeras att skjutas upp senast 2027 och som kommer att ge ännu bredare vyer av det infraröda universumet.

Ett nytt paradigm för upptäckt

När vi blickar framåt utvecklas relationen mellan astronomer och artificiell intelligens från en av enkel automatisering till en av djupt samarbete. AI fungerar som ett "extra par ögon", kapabelt att se mönster i bruset som det mänskliga ögat kan missa på grund av trötthet eller kognitiv bias. Genom att befria forskare från den mekaniska uppgiften att sortera igenom miljontals bilder, gör dessa verktyg det möjligt för forskare att fokusera på analysen på hög nivå och det teoretiska arbete som driver fältet framåt.

Upptäckten av dessa 1 400 objekt är en påminnelse om att de "stora observatorierna" som Hubble fortfarande har många hemligheter att avslöja. Även när vi skjuter upp nyare, kraftfullare teleskop förblir den data vi redan har samlat in en avgörande frontlinje. I föreningen mellan 30 år gammalt ljus och moderna neurala nätverk har astronomer funnit ett sätt att säkerställa att inget kosmiskt mysterium – oavsett hur egenartat det är – förblir dolt i mörkret.