Японские астрономы разработали новую технику искусственного интеллекта (ИИ) для удаления шума в астрономических данных из-за случайных изменений формы галактик. После обширного обучения и тестирования на больших макетных данных, созданных с помощью суперкомпьютерного моделирования, они затем применили этот новый инструмент к фактическим данным, полученным с японского телескопа Subaru, и обнаружили, что распределение масс, полученное с помощью этого метода, согласуется с принятыми в настоящее время моделями Вселенной. Это новый мощный инструмент для анализа больших данных из текущих и запланированных астрономических исследований.
Данные обширных исследований могут быть использованы для изучения крупномасштабной структуры Вселенной с помощью измерений моделей гравитационного линзирования. При гравитационном линзировании гравитация объекта переднего плана, такого как скопление галактик , может искажать изображение фонового объекта, например более далекой галактики. Некоторые примеры гравитационного линзирования очевидны, например, «Глаз Гора». Крупномасштабная структура, состоящая в основном из загадочной «темной» материи, также может искажать формы далеких галактик, но ожидаемый эффект линзирования неуловим. Для создания карты распределения темной материи на переднем плане требуется усреднение по множеству галактик в определенной области.
Но этот метод просмотра изображений многих галактик сталкивается с проблемой; некоторые галактики выглядят немного забавно. Трудно отличить изображение галактики, искаженное гравитационным линзированием, от галактики, которая действительно искажена. Это называется шумом формы и является одним из ограничивающих факторов в исследованиях крупномасштабной структуры Вселенной.
Чтобы компенсировать шум формы, группа японских астрономов впервые использовала ATERUI II, самый мощный в мире суперкомпьютер, посвященный астрономии, для создания 25 000 фиктивных каталогов галактик на основе реальных данных телескопа Subaru. Затем они добавили реалистичный шум к этим хорошо известным наборам искусственных данных и обучили ИИ статистически извлекать линзирующую темную материю из ложных данных.
После обучения ИИ смог восстановить ранее невидимые мелкие детали, что помогло улучшить наше понимание космической темной материи. Затем, используя этот ИИ на реальных данных, покрывающих 21 квадратный градус неба, команда нашла распределение массы переднего плана, соответствующее стандартной космологической модели.
«Это исследование показывает преимущества сочетания различных типов исследований: наблюдений, моделирования и анализа данных искусственного интеллекта» , — говорит Масато Ширасаки, руководитель группы. «В эпоху больших данных нам необходимо пересечь традиционные границы между специальностями. и использовать все доступные инструменты, чтобы понять данные. Если мы сможем это сделать, это откроет новые области в астрономии и других науках ».
