Нейросеть для классификации миллионов космических объектов: прорыв от китайских астрономов

Учёные из Юньнаньской обсерватории Китайской академии наук разработали нейросетевой метод для масштабной классификации звёзд, галактик и квазаров. Исследование, опубликованное в The Astrophysical Journal Supplement Series, может революционизировать обработку астрономических данных.

Проблема классификации

Точное разделение космических объектов критически важно для изучения эволюции Вселенной. Традиционная спектроскопия даёт высокую точность, но требует огромных ресурсов. Фотометрические методы эффективнее, но сталкиваются с трудностями: например, квазары на высоком красном смещении и звёзды выглядят идентично в изображениях.

Как работает нейросеть

Мультимодальная модель анализирует одновременно:

• Морфологию объектов (форму, распределение яркости);
• Спектральное распределение энергии (SED) в различных фильтрах.

Для обучения использовали данные проекта SDSS, а применили к 27 миллионам объектов из обзора KiDS, охватывающего 1350 квадратных градусов неба.

Результаты

Точность модели подтвердили тестами:

• 99.7% звёзд в каталоге Gaia корректно идентифицированы;
• 99.7% галактик и квазаров верно классифицированы в данных GAMA.

Нейросеть также исправила ошибки в существующих каталогах, например, переклассифицировала галактики, ошибочно помеченные как звёзды.

Перспективы

Метод особенно актуален для обработки данных новых телескопов, таких как Vera C. Rubin Observatory, который будет генерировать петабайты изображений. Авторы планируют:

1. Интегрировать данные рентгеновских и радионаблюдений;
2. Расширить классификацию до подтипов объектов (например, активных ядер галактик).