Астрономы из Института астрофизики частиц и космологии имени Кавли (Kavli Institute for Particle Astrophysics and Cosmology) научили искусственный интеллект искать гравитационные линзы. Созданные ими нейронные сети были так же эффективны, как и традиционные методы, но работали в миллионы раз быстрее. При этом ИИ не только находил линзы на снимках, но и анализировал их свойства. Результаты работы опубликованы в журнале Nature.
«Анализ, который обычно занимает от нескольких недель до нескольких месяцев, требует участия экспертов и вычислительных ресурсов, нейронные сети могут автоматически провести за долю секунды», — комментирует Лоренс Перре Левассёр (Laurence Perreault Levasseur), один из авторов работы. Учёные приспособили нейронные сети для поиска и анализа сложных искажений в пространстве-времени, известных как гравитационные линзы. Гравитационными линзами называют массивные тела, изменяющие своим гравитационным полем направление распространения электромагнитного излучения, подобно тому, как обычная линза изменяет направление светового луча. Сильное гравитационное линзирование вызывает легко различимые искажения, например дуги и размноженные изображения. Наблюдая эти искажения, учёные могут сделать выводы о распределении массы в космосе и о том, как оно меняется со временем.
До недавнего времени анализ гравитационных линз был трудоёмким процессом: астрономам приходилось сравнивать настоящие фотографии линз с множеством математических моделей. Изучение одной линзы занимало от нескольких недель до нескольких месяцев. Но используя нейронные сети, исследователи добились тех же результатов за несколько секунд. Работоспособность нового подхода они продемонстрировали на снимках, сделанных космическим телескопом Хаббл.
Искусственный интеллект обучили на базе данных из полумиллиона изображений — на тренировку ушёл примерно день. После этого сети могли за секунды анализировать снимки почти так же точно, как традиционные техники. «Нейронные сети, которые мы тестировали — три общедоступные и одна, разработанная нами — могли анализировать характеристики каждой линзы, в том числе, то, как распределялась её масса и насколько сильно она увеличивала фоновую галактику», — говорит ведущий автор исследования Яшар Хезавех (Yashar Hezaveh). Этим они отличаются от созданных ранее программ, которые могли заниматься лишь классификацией изображений.
Подобные нейронные сети очень пригодятся в будущем, когда количество данных возрастёт. В настоящий момент в Чили строится телескоп Large Synoptic Survey Telescope — ожидается, что с его помощью астрономы смогут обнаружить сотни тысяч гравитационных линз. «У нас не будет достаточно людей, чтобы своевременно проанализировать всю эту информацию традиционными методами, — говорит Перре Левассёр. — Нейронные сети помогут нам быстро найти интересные объекты и изучить их. Так у нас останется больше времени на то, чтобы задавать правильные вопросы об устройстве Вселенной».