Los investigadores de la UC Santa Cruz han desarrollado un nuevo y poderoso programa de computadora llamado Morpheus que puede analizar los datos de imágenes astronómicas píxel por píxel para identificar y clasificar todas las galaxias y estrellas en grandes conjuntos de datos de estudios astronómicos.

Morpheus es un marco de aprendizaje profundo que incorpora una variedad de tecnologías de inteligencia artificial desarrolladas para aplicaciones como el reconocimiento de imágenes y voz. Brant Robertson, profesor de astronomía y astrofísica que lidera el Grupo de Investigación de Astrofísica Computacional en UC Santa Cruz, dijo que el tamaño cada vez mayor de los conjuntos de datos de astronomía ha hecho que sea esencial automatizar algunas de las tareas que tradicionalmente realizan los astrónomos.

"Hay algunas cosas que simplemente no podemos hacer como seres humanos, así que tenemos que encontrar formas de utilizar las computadoras para manejar la enorme cantidad de datos que llegarán en los próximos años a partir de grandes proyectos de estudios astronómicos, " él dijo.

Robertson trabajó con Ryan Hausen, un estudiante de posgrado en ciencias de la computación en la Escuela de Ingeniería Baskin de UCSC, que desarrolló y probó Morpheus durante los últimos dos años. Con la publicación de sus resultados el 12 de mayo en el Serie de suplementos de revistas astrofísicas , Hausen y Robertson también están publicando el código Morpheus y ofrecen demostraciones en línea.

Las morfologías de las galaxias, desde galaxias de disco giratorio como nuestra propia Vía Láctea hasta galaxias amorfas elípticas y esferoidales, puede decirles a los astrónomos cómo se forman y evolucionan las galaxias con el tiempo. Encuestas a gran escala, como el Legacy Survey of Space and Time (LSST) que se realizará en el Observatorio Vera Rubin ahora en construcción en Chile, generará grandes cantidades de datos de imágenes, y Robertson ha estado involucrado en la planificación de cómo utilizar esos datos para comprender la formación y evolución de las galaxias. LSST tomará más de 800 imágenes panorámicas cada noche con una cámara de 3.200 millones de píxeles, registrando todo el cielo visible dos veces por semana.

"Imagínese si acudiera a los astrónomos y les pidiera que clasificaran miles de millones de objetos, ¿cómo podrían hacer eso? Ahora podremos clasificar automáticamente esos objetos y usar esa información para aprender sobre la evolución de las galaxias, "Dijo Robertson.

Otros astrónomos han utilizado tecnología de aprendizaje profundo para clasificar galaxias, pero los esfuerzos anteriores normalmente han implicado la adaptación de algoritmos de reconocimiento de imágenes existentes, y los investigadores han alimentado los algoritmos con imágenes curadas de galaxias para clasificarlas. Hausen construyó Morpheus desde cero específicamente para datos de imágenes astronómicas, y el modelo utiliza como entrada los datos de la imagen original en el formato de archivo digital estándar utilizado por los astrónomos.

La clasificación a nivel de píxel es otra ventaja importante de Morpheus, Dijo Robertson. "Con otros modelos, tienes que saber que hay algo y alimentar al modelo con una imagen, y clasifica toda la galaxia a la vez, ", dijo." Morfeo descubre las galaxias por ti, y lo hace píxel a píxel, para que pueda manejar imágenes muy complicadas, donde podría tener un esferoidal justo al lado de un disco. Para un disco con una protuberancia central, clasifica el bulto por separado. Entonces es muy poderoso ".

Para entrenar el algoritmo de aprendizaje profundo, los investigadores utilizaron información de un estudio de 2015 en el que decenas de astrónomos clasificaron alrededor de 10, 000 galaxias en imágenes del Telescopio Espacial Hubble de la encuesta CANDELS. Luego aplicaron Morpheus a los datos de imagen de Hubble Legacy Fields, que combina observaciones tomadas por varios estudios de campo profundo del Hubble.

Cuando Morfeo procesa una imagen de un área del cielo, genera un nuevo conjunto de imágenes de esa parte del cielo en la que todos los objetos están codificados por colores en función de su morfología, separar objetos astronómicos del fondo e identificar fuentes puntuales (estrellas) y diferentes tipos de galaxias. El resultado incluye un nivel de confianza para cada clasificación. Ejecutando en la supercomputadora lux de UCSC, el programa genera rápidamente un análisis píxel por píxel para todo el conjunto de datos.

"Morpheus proporciona detección y clasificación morfológica de objetos astronómicos a un nivel de granularidad que no existe actualmente, "Dijo Hausen.

Una visualización interactiva de los resultados del modelo Morpheus para GOODS South, un estudio de campo profundo que tomó imágenes de millones de galaxias, ha sido lanzado públicamente. Este trabajo fue apoyado por la NASA y la National Science Foundation.