Kvazari, galaksije i udaljene zvijezde na nebu često izgledaju gotovo identično. Na fotografijama, čak i najmoćnijim, mogu se svesti na jednu točku svjetla. No iza svake točke krije se drukčiji kozmički entitet, ponekad masivna galaksija s milijardama zvijezda, ponekad samo jedna. To ih čini iznimno teškima za razlikovanje, osobito kad se analiziraju milijuni svemirskih objekata odjednom.
Upravo taj problem riješio je novi sustav umjetne inteligencije koji su razvili znanstvenici iz Yunnan opservatorija Kineske akademije znanosti. Njihov algoritam može razlikovati kozmičke objekte s preciznošću većom od 99 posto, i to brže, šire i dublje nego dosadašnje metode.
Umjetna inteligencija u službi kozmologije
Tradicionalno, znanstvenici klasificiraju objekte poput zvijezda, kvazara i galaksija putem spektroskopije, tehnike koja mjeri kako objekt emitira svjetlost kroz različite valne duljine. Iako iznimno precizna, ta metoda zahtijeva mnogo vremena, skupu opremu i promatranje svakog objekta pojedinačno.
Zato je tim kineskih znanstvenika razvio neuralnu mrežu koja koristi fotometrijske podatke, odnosno slike dobivene teleskopima kroz različite filtere. Time se omogućuje analiza milijuna objekata istovremeno, ali uz dodatni izazov: mnogi od tih objekata izgledaju gotovo isto.
Njihovo rješenje bio je multimodalni algoritam, sustav koji istodobno obrađuje oblik objekta i njegov spektar svjetlosne energije. Kombinirajući te informacije, model je uspio razlikovati galaksije, kvazare i zvijezde s iznimnom točnošću.
Više od 27 milijuna klasificiranih objekata
Kako bi testirali svoj model, znanstvenici su ga prvo obučili na poznatim, spektroskopski potvrđenim podacima iz baze Sloan Digital Sky Survey (SDSS). Potom su ga primijenili na golemi set podataka iz Kilo-Degree Survey (KiDS), koji obuhvaća približno 1350 kvadratnih stupnjeva neba, što je gotovo sedam puta površina Mjeseca punog sjaja.
Rezultat? algoritam je precizno klasificirao više od 27 milijuna objekata čija je sjajnost iznosila r ≤ 23 magnitude. Riječ je o jednom od najopsežnijih pokušaja automatizirane klasifikacije u povijesti astronomije.
Točnost veća od 99 posto
Kako bi provjerili pouzdanost modela, znanstvenici su ga primijenili na 3,4 milijuna objekata iz misije Gaia koji imaju jasno mjerljivu paralaksu i vlastito gibanje — značajke koje gotovo sigurno ukazuju na to da se radi o zvijezdama. Model ih je točno prepoznao u 99,7 posto slučajeva.
Slični rezultati postignuti su i pri primjeni na bazu Galaxy And Mass Assembly (GAMA), gdje je također točno klasificirano 99,7 posto promatranih objekata, kao galaksije ili kvazari.
Jedan od najzanimljivijih aspekata novog sustava jest njegova sposobnost da detektira pogreške u postojećim astronomskim katalozima. U nasumičnim provjerama pokazalo se da je neuralna mreža ispravno prepoznala galaksije koje su u katalogu SDSS bile pogrešno označene kao zvijezde.
To otvara mogućnost revizije i poboljšanja postojećih baza podataka, ali i stvaranja preciznijih modela o raspodjeli materije u svemiru.
Računala mijenjaju način na koji gledamo svemir
Ova studija nije samo tehnički napredak, već i temelj za buduća istraživanja svemira velikih razmjera. Korištenje neuronskih mreža u astronomiji omogućuje obradu podataka u količinama koje čovjek ne može sam pregledati, te pomaže otkriti obrasce i anomalije koje bi inače ostale neprimijećene.
Kako podaci iz novih teleskopa i opservatorija nastavljaju pristizati, umjetna inteligencija postaje ključni alat u kartiranju svemira. I dok ljudi i dalje promatraju nebo, algoritmi ga sve bolje razumiju.
Ivan je novinar, bloger i autor s više od 15 godina iskustva u digitalnim medijima. Piše o širokom spektru tema, uključujući svemir, astronomiju, znanost, povijest i arheologiju. Objavljuje kao gostujući autor u Večernjem listu, a kao stručni sugovornik gostovao je u emisijama na kanalima Science Discovery i History Channel. Osnivač je portala Kozmos.hr, prvog hrvatskog online magazina posvećenog popularizaciji znanosti i svemira.
