Нейронная сеть выявила на снимках "Хаббла" стадии развития звёздных систем, предсказанные компьютерным моделированием. О таком результате сообщает научная статья, препринт которой опубликован на сайте arXiv.org командой во главе с Марком Хуэртас-Компани (Marc Huertas-Company) из Университета Сорбонны.
О том, что такое нейронная сеть и её обучение, "Вести.Наука" (nauka.vesti.ru) подробно рассказывали. В последнее время большой популярностью пользуется метод глубокого обучения, который позволяет искусственному интеллекту справляться с самыми разными задачами, от распознавания лиц до сочинения музыки.
В этот раз исследователи решили научить искусственный разум выявлять структуру галактик. С таким заданием, как и со всякой другой задачей на распознавание образов, плохо справляются традиционные компьютерные программы, работающие без самообучения по заранее заданному алгоритму. Учёным остаётся полагаться либо на искусственный интеллект, либо на внимательные глаза волонтёров.
Почему астрономы вообще заинтересовались этой задачей? Дело в том, что эволюция звёздных систем – область, в которой ещё много нерешённых вопросов. Жизнь любой галактики измеряется миллиардами лет, и, разумеется, человечество не в силах следить за ней в реальном времени.
Конечно, астрономы наблюдают "звёздные острова" на самых разных стадиях их эволюции. Самые далёкие галактики позволяют нам заглянуть во времена давно минувшей юности Вселенной. Встречаются и звёздные системы, "застрявшие в прошлом" из-за своей малой массы. Есть и галактики "в полном расцвете сил", как наш Млечный Путь, и успевшие состариться, переставшие порождать новые звёзды.
Однако у каждой такой системы свой собственный жизненный путь, определяющийся её массой, условиями формирования, историей столкновений с соседями и так далее. Отделить в этой мешанине частное от общего и написать универсальный сценарий, которому в целом следуют все галактики, очень непросто. Восполнить пробелы учёным помогают компьютерные модели эволюции звёздных систем, в которых наблюдательные данные объединяются с фундаментальными физическими законами и всей мощью современных суперкомпьютеров.
Однако такие симуляции – достаточно коварная вещь. В Млечном Пути, например, сотни миллиардов звёзд. Учесть движение каждой и её воздействие на "сородичей" просто невозможно. А ведь, помимо гравитации звёзд, есть и другие факторы, например, потоки межзвёздного газа. Модель приходится упрощать, и всегда есть опасность упростить её слишком сильно.
Поэтому результаты вычислительных экспериментов всегда должны проверяться наблюдениями. Проще говоря, модель должна успешно предсказывать наблюдательные факты, которые не были в неё изначально заложены.
Вот с целю проверить такие прогнозы авторы и взялись за снимки "Хаббла". Компьютерная модель VELA подсказывала им, что у галактик определённой массы, богатых газом, есть три стадии эволюции.
"В начале большого пути" мощные потоки газа устремляются в центр звёздной системы. На втором этапе, когда его накапливается достаточно много, там возникает небольшая (по космическим меркам) область, в которой образуется много горячих молодых светил. Юные звёзды ярко излучают в синей части спектра, поэтому эту стадию астрономы называют "фазой голубого комка".
Затем звездообразование в этой области затухает. Обитающие там светила постепенно стареют и начинают испускать всё больше красного света. "Голубой комок" превращается в "красный", и это третья, заключительная стадия.
Некоторые специалисты критикуют систему VELA за то, что она не учитывает активность центральной сверхмассивной чёрной дыры, которую эти астрономы считают важным фактором в эволюции галактики. Поэтому команде Хуэртас-Компани (в которой есть и разработчики VELA) важно было проверить, насколько хорошо предсказания модели соответствуют наблюдениям.
Чтобы обучить свёрточную нейронную сеть, авторы с помощью упомянутой симуляции сгенерировали набор искусственных изображений галактики на трёх упомянутых стадиях жизненного пути. После того, как искусственный разум прошёл такой "курс молодого бойца", ему предъявили реальные фотографии "Хаббла". Снимки были сделаны в рамках проекта CANDELS, крупнейшего обзора звёздных систем в истории прославленного телескопа. На них изображены галактики с красными смещениями от 1 до 3.
Система уверенно выявила на некоторых из этих изображений нужные стадии. Причём массы галактик, снимки которых отобрал искусственный астроном, лежали точно в диапазоне, предсказанном симуляциями (от 109,2 до 1010,3 солнечных).
"Мы не ожидали, что всё это будет успешным. Я поражён, насколько это мощно", – признаётся соавтор исследования (и самой системы VELA) Джоэл Примак (Joel Primack) в пресс-релизе Калифорнийского университета в Санта-Крузе.
Совпадение масс галактик говорит не только о том, что нейронная сеть в очередной раз научилась искать изображения, похожие на предъявленные шаблоны. Он также означает, что предсказания компьютерной симуляции подтверждаются. И что искусственный интеллект – эффективное средство для проверки таких моделей.
"Этот проект был всего лишь одной из нескольких идей, которые у нас были, – говорит соавтор исследования Дэвид Ку (David Koo) из того же университета. – Мы хотели выбрать процесс, который теоретики могут чётко рассчитать на основе моделирования, и который имеет какое-то отношение к тому, как выглядит галактика, [чтобы] затем алгоритм глубокого обучения искал его [признаки] в наблюдениях. Мы только начинаем изучать это новый метод исследования. Это новый способ согласования теории с наблюдениями".
Однако нейронная сеть может быть не только инструментом проверки симуляций. Она может извлекать из наблюдательных данных дополнительную информацию. Для этого нужно выяснить, чем именно руководствуется такой электронный астроном, принимая решение о классификации той или иной фотографии. Ведь он может выявлять признаки и взаимосвязи, ускользающие от человеческого внимания.
К сожалению, сам принцип работы нейронной сети этому не способствует. Она представляет собой "чёрный ящик", алгоритм работы которого формируется самой сетью в процессе обучения и хранится в виде коэффициентов, приписанных отдельным нейронам. Тем не менее некоторые средства "заглянуть в душу" компьютерному разуму у учёных имеются. И они намерены выяснить, какие именно пиксели изображения вносят наибольший вклад в решение сети.
"Это начало очень захватывающей эпохи использования передового искусственного интеллекта в астрономии", – резюмирует Ку.
Напомним, что "Вести.Наука" (nauka.vesti.ru) ранее писали о нейронных сетях, ищущих планеты, пылевые диски вокруг звёзд и лунные кратеры.
