Волонтёры научили искусственный интеллект находить зарождающиеся планеты

Пылевой диск - признак потенциального наличия планет.

Иллюстрация NASA/JPL-Caltech.

Обнаруженные "Спитцером" облака пыли могут быть свидетельством множественного столкновения планет.

Иллюстрация ESO/M. Kornmesser.

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.

Обнаруженные "Спитцером" облака пыли могут быть свидетельством множественного столкновения планет.

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.