Волонтёры научили искусственный интеллект находить зарождающиеся планеты

Пылевой диск - признак потенциального наличия планет.
Иллюстрация NASA/JPL-Caltech.

Специалисты научили нейронную сеть находить диски пыли и обломков, говорящие о наличии у звёзд зарождающихся или уже существующих планетных систем. Для этого они использовали результаты работы добровольцев, распознающих такие объекты на изображениях при помощи собственных глаз. Кроме этого, система научилась ещё и опознавать диски, в которых наверняка уже есть планеты. Таких оказалось 367 штук.

О достижении рассказывает научная статья, опубликованная в журнале Astronomy and Computing командой во главе с Там Нгуен (Tam Nguyen) из Массачусетского технологического института.

Остаточный диск – это облако из твёрдых фрагментов разного размера, от пылинки до астероида (астрономы, впрочем, то и другое называют пылью). Специалисты всё ещё спорят, на какой стадии зарождения планетной системы образуется такой диск, но то, что он указывает на формирование планет, несомненно.

Поэтому легко понять интерес учёных к этим объектам. Поскольку эти облака пыли довольно холодные, они испускают в основном не видимый свет, а инфракрасное излучение. По данным инфракрасных телескопов их и изучают.

Остаточный диск выглядит как эллипс, выделяющийся из фона, с ещё одним небольшим и чуть-чуть более эллипсом в центре. Но чтобы распознать такой объект, нужно отличить его вклад в принятый телескопом сигнал от излучения галактик, межзвёздного газа и других посторонних источников. Весьма трудно разработать алгоритм, который позволял бы традиционной (без элементов самообучения) компьютерной программе справляться с этой задачей.

Однако с тем, что не под силу компьютерам, с лёгкостью справляется человеческое зрение, отточенное миллионами лет эволюции. Именно поэтому НАСА запустило проект Disk Detective, в котором может участвовать каждый, у кого есть Интернет и чуть-чуть свободного времени. Потренировавшись на нескольких пробных изображениях, человек легко опознаёт пылевые диски вокруг звёзд и сообщает об этом исследователям. Никаких специальных знаний для этого не нужно.

Проблема только в объёме работы. В каталоге инфракрасного обзора WISE 747 миллионов объектов. Чтобы на каждый из них взглянул хотя бы один волонтёр, нужно 75 тысяч человек из расчёта "десять тысяч изображений на добровольца". А ведь каждый снимок нужно показать более чем одному человеку, дабы исключить случайные ошибки.

Команда Нгуен нашла выход из ситуации. "Вести.Наука" (nauka.vesti.ru) подробно рассказывали о том, что такое нейронная сеть, как она обучается и в чём её отличие от традиционной компьютерной программы. Вкратце речь о том, что система не обладает заранее заданным алгоритмом обработки данных, а в некотором смысле вырабатывает его самостоятельно, основываясь на обучающем материале. Это и позволяет ей решать задачи вроде оценки качества фотографий, которые с трудом поддаются алгоритмизации.

Исследователи резонно решили, что плоды трудов "дисковых детективов" – прекрасный материал для обучения нейронной сети. При этом они пошли дальше стандартных методов предварительной очистки данных и обучения нейронной сети. Как отмечается в пресс-релизе, учёные заложили в алгоритм обучения сети некоторые физические принципы. Например, компьютер сравнивал изображения одного и того же объекта, полученные в четырёх диапазонах частот, и использовал выработанные оптикой методы для оценки положения, симметрии и масштаба источников "света".

В итоге вердикт человека и машины по поводу того, есть ли на картинке остаточный диск, совпадал в 97% случаев. Работа системы оставалась надёжной в самом широком диапазоне качества и других характеристик изображения.

Однако на этом исследователи не остановились. Они решили научить своё детище ещё и выделять среди множества дисков те, в которых наверняка уже сейчас существуют планеты.

Здесь в качестве материала для обучения использовался короткий список объектов, подготовленный профессионалами. Обучившись на этой выборке, сеть отобрала 367 новых "перспективных" дисков.

Напомним, что ранее "Вести.Наука" писали о том, как искусственный интеллект научился искать планеты в данных телескопа Kepler и кратеры на фотографиях Луны. Волонтёрские астрономические проекты мы тоже не обошли стороной, рассказав о том, как любой из нас может поучаствовать в исследовании Марса.

Сегодня