9 Minute
Un algoritm a transformat decenii de observații realizate cu telescopul Hubble într-o hartă a surprizelor cosmice. În doar câteva zile, un instrument bazat pe învățare automată a filtrat aproape 100 de milioane de fragmente de imagine și a scos la iveală peste o mie de obiecte care, la prima vedere, par curiozități — iar la o examinare mai atentă, par oportunități științifice.
Sase obiecte astrofizice până atunci nedescoperite, ciudate și fascinante sunt afișate în această nouă imagine de la Telescopul Spațial Hubble al NASA. (NASA, ESA, David O'Ryan (ESA), Pablo Gómez (ESA), Mahdi Zamani (ESA/Hubble))
Cum a funcționat căutarea
Arhiva de imagini Hubble acoperă aproximativ 35 de ani de observații. Este vastă, complexă și, din multe puncte de vedere, „umană” în organizare — ceea ce acum încetinește procesul de descoperire. Instrumente moderne precum Telescopul Spațial James Webb (JWST) și viitorul Observator Vera C. Rubin generează adevărate torente de date — în unele cazuri zeci sau sute de terabytes pe noapte — iar Hubble Legacy Archive rămâne sub această mare informațională ca un rezervor încă insuficient explorat. Această arhivă conține date multivalente: imagini la multiple lungimi de undă, expuneri succesive ale acelorași regiuni, și adesea artefacte care necesită atenție umană pentru a fi interpretate corect.
În acest context a apărut AnomalyMatch: un cadru semi-supervizat de detecție a anomaliilor construit în jurul rețelelor neuronale moderne. Spre deosebire de clasificatoarele tradiționale antrenate pentru a recunoaște un set fix de obiecte cunoscute, AnomalyMatch etichetează exemple care deviază de la tiparele așteptate învățate direct din arhivă. Echipa condusă de David O'Ryan și Pablo Gómez la Agenția Spațială Europeană (ESA) a alimentat sistemul cu aproximativ 100 de milioane de „cutouts” — porțiuni tăiate din imaginile Hubble, fiecare conținând un obiect sau un fragment de cer foarte divers. Rezultatul a fost o listă scurtă, ordonată, de candidați-anomalie pe care oamenii îi pot inspecta realist și eficient.
Viteza a fost un aspect esențial al experienței. Dezvoltatorii raportează că AnomalyMatch a procesat setul de date în aproximativ două până la trei zile folosind o singură unitate GPU — o operațiune care ar fi durat mult mai mult pentru multe echipe umane. Totuși, viteză fără filtrare atentă înseamnă zgomot; rețeaua neuronală a oferit o listă gestionabilă de circa 1.400 de candidați pe care cercetătorii i-au putut verifica manual. Acest flux de lucru — procesare masivă urmată de triere umană detaliată — economisește resurse și direcționează efortul observațional către cele mai promițătoare ținte.
Descoperiri și valoare științifică
Din lista scurtă, O'Ryan și Gómez au confirmat aproximativ 1.300 de anomalii autentice. Peste 800 dintre acestea par a fi neînregistrate anterior în literatură sau în bazele de date publice. Ce a evidențiat AI-ul? O varietate largă de fenomene: galaxiile în interacțiune și cele aflate în proces de fuziune domină eșantionul, fiind notate 417 astfel de sisteme. Aceste interacțiuni pot include mize dinamice importante — fuziuni majore, fuziuni minore, sau treceri apropiate („close encounters”) care perturbă morfologia galaxiilor și stimulează activitatea de formare stelară.
Arhiva a oferit, de asemenea, 86 de candidați noi pentru lentile gravitaționale — sisteme în care un obiect masiv din prim-plan curbează lumina unei surse din spate. Lentilele gravitaționale nu sunt doar curiozități: ele funcționează ca telescoape naturale, măresc luminozitatea sau dimensiunea aparentă a galaxiilor slabe sau îndepărtate și permit astrofizicienilor să investigheze distribuția materiei întunecate, să rafineze măsurile de distanță cosmologică și să testeze predicțiile relativității generale la scară mare. Confirmarea acestor lentile implică adesea observații spectroscopice și măsurători de redshift pentru a determina clar geometriile sursă-lentilă.
AnomalyMatch a identificat, de asemenea, rarități cum ar fi galaxiile „meduză” (jellyfish galaxies) — galaxiile din roiuri care pierd gaz în timp ce străbat un mediu intra-cluster dens, lăsând în urmă filamente de gaz în care se formează stele — și câteva galaxii cu inel sau inel de coliziune. A găsit obiecte chiar la pragul sensibilității Hubble: sisteme cu redshift înalt ale căror semnale slabe necesită o examinare atentă pentru a confirma realitatea lor. Nuclee galactice active cu jeturi (AGN jetted) și configurații neobișnuite gazdă-AGN au fost printre alte descoperiri, alături de galaxii suprapuse, cu structuri pline de clustere, sau cu morfologii altfel ciudate din punct de vedere structural.
O anomalie din arhiva Hubble, clasificată ca o galaxie cu "inel de coliziune" — una dintre cele doar două astfel identificate. (ESA/Hubble & NASA, D. O'Ryan, P. Gómez (Agenția Spațială Europeană), M. Zamani (ESA/Hubble))
De ce să căutăm anomalii? Pentru că outlier-ii ne învață deseori cele mai multe lucruri. Ei dezvăluie regiimi fizice sau căi evolutive pe care sondajele standard și algoritmii de selecție le pot rata. O interacțiune rară, o galaxie neobișnuit de decapitată de gaz, o lentilă cu o distribuție de masă neconvențională — astfel de obiecte pot motiva observații ulterioare care conduc la perspective astrofizice noi, incluzând modele dinamice, reconstrucții ale masei și conexiuni între formarea structurilor și mediul cosmic.
Context: arhive, telescoape și avalanșa de date
Arhiva Hubble este doar un strat dintr-un peisaj informațional mult mai vast. Telescopul Spațial James Webb produce zeci de gigabytes pe zi în funcție de programele sale, concentrându-se pe infraroșu și aducând rezoluții și sensibilități complementare cu Hubble. Observatorul Vera C. Rubin va extinde scala datelor mult mai departe, generând aproximativ 20 de terabytes de date brute în fiecare noapte odată ce va deveni operațional, prin sondajul său LSST (Legacy Survey of Space and Time). În plus, telescoape gigantice terestre precum Giant Magellan Telescope (GMT) și Extremely Large Telescope (ELT) vor adăuga profunzime și rezoluție la observațiile viitoare, fără a reduce însă ritmul fluxului de date.
Este clar că oamenii nu pot examina manual întreaga cantitate de informație produsă de aceste facilități. Mașinile pot prioritiza; mașinile pot descoperi caracteristici neobișnuite care merită atenția oamenilor. Parteneriatul acesta — triere algoritmică urmată de interpretare umană — se conturează ca un flux de lucru pragmatic pentru astronomia secolului XXI: AI-ul prinde plasa largă, iar oamenii fac sortarea fină, modelarea fizică detaliată și raționamentul contextual necesar pentru a transforma descoperirile în cunoaștere.
Studiul Hubble reprezintă un exemplu concret: o arhivă reexaminată cu instrumente noi a scos la iveală sute de obiecte științific interesante care anterior trecuseră neobservate sau neclasificate. Aceasta subliniază importanța reanalizării datelor istorice când apar metode computaționale avansate. De asemenea, sugerează că sinergia între arhive multi-spectru (optice, infraroșu, radio, X) și modele de învățare automată poate intensifica semnificativ capacitatea de descoperire — de la identificarea lentilelor gravitaționale până la recunoașterea de structuri galactice subtile.
Perspective ale experților
„Această lucrare arată cum căutarea algoritmică poate crește dramatic randamentul științific al datelor arhivate,” spune dr. Leila Banerjee, cosmolog observațional la University of Cambridge. „Detecția de anomalii nu înlocuiește știința bazată pe ipoteze; o completează, arătând regiuni ale spațiului de parametri pe care altfel le-am putea omite. Partea cea mai entuziasmantă este că mulți dintre acești candidați vor fi ținte ideale pentru spectroscopie și observații la rezoluție mai înaltă — tipurile de observații care transformă anomaliile în fizică verificabilă.”
Echipa de cercetare subliniază și caracterul scalabil al metodei. Arhitectura din spatele AnomalyMatch este concepută pentru implementări la scară largă, ceea ce înseamnă că căutări similare pot fi rulate pe alte arhive precum Gaia (ESA) sau pe seturi de date combinate Hubble-plus-JWST. Pe măsură ce modelele se îmbunătățesc și arhivele multi-lungime de undă se interconectează, potențialul pentru descoperirea unor fenomene cu adevărat noi crește.
Deocamdată, catalogul de anomalii Hubble proaspăt etichetate oferă un punct de plecare bogat: candidați pentru confirmarea lentilelor gravitaționale, morfologii enervante care cer modele dinamice, și detectări la limita sensibilității care pot fi clarificate prin observații țintite. Arhiva, se pare, încă păstrează surprize — dacă știi unde să privești și lași instrumentele potrivite să te ghideze.
Cine va face următoarele observații de completare? Răspunsul va decide care dintre aceste ciudățenii vor deveni descoperiri majore în astronomie și care vor rămâne note de subsol. În orice caz, această inițiativă subliniază un principiu cheie al științei datelor în astronomia modernă: valoarea nu rezidă doar în datele noi, ci și în reinterpretarea sistematică a celor existente cu metode noi, care pot extrage semnificații ascunse și pot activa campanii observaționale eficiente la sol și în spațiu.
Sursa: sciencealert
Lasă un Comentariu