Un’immagine del telescopio spaziale Hubble di una regione dell’Hubble Legacy Fields che include una grande galassia a disco (sopra). L’immagine sotto mostra i risultati della classificazione morfologica di Morfeo per la stessa regione. Crediti: Nasa / Stsci e Ryan Hausen
I ricercatori della Uc Santa Cruz hanno sviluppato un nuovo potente programma per computer chiamato Morpheus in grado di analizzare i dati delle immagini astronomiche pixel per pixel, per identificare e classificare tutte le galassie e le stelle presenti nei grandi set di dati ottenuti da survey astronomiche.
Morpheus è un deep learnig framework che incorpora una serie di tecnologie di intelligenza artificiale sviluppate per applicazioni come il riconoscimento vocale e quello di immagini. Brant Robertson, professore di astronomia e astrofisica che dirige il Computational Astrophysics Research Group presso l’Uc Santa Cruz, riporta che le dimensioni che stanno acquisendo i set di dati astronomici sono in rapida crescita e hanno reso essenziale automatizzare alcuni dei compiti tradizionalmente svolti dagli astronomi. «Ci sono alcune cose che semplicemente non possiamo fare come esseri umani, quindi dobbiamo trovare il modo di utilizzare i computer per gestire l’enorme quantità di dati che arriverà nei prossimi anni dalle grandi survey astronomiche», spiega.
Robertson ha lavorato con Ryan Hausen, un informatico della Baskin School of Engineering della Ucsc, che negli ultimi due anni ha sviluppato e testato Morpheus. Il 12 maggio, insieme alla pubblicazione dei loro risultati sul Astrophysical Journal Supplement Series, Hausen e Robertson hanno anche reso disponibile il codice Morpheus e fornito pratiche dimostrazioni online.
Le morfologie delle galassie, da quelle a disco come la nostra Via Lattea, alle galassie ellittiche, possono suggerire agli astronomi come le galassie si formano e si evolvono nel tempo. Survey su larga scala, come la Legacy Survey of Space and Time (Lsst) che verrà condotta all’Osservatorio Vera Rubin, attualmente in costruzione in Cile, genereranno enormi quantità di immagini e Robertson è stato coinvolto nella pianificazione della gestione e utilizzo dei dati, per comprendere la formazione e l’evoluzione delle galassie. Lsst scatterà più di 800 immagini panoramiche ogni notte con una fotocamera da 3.2 miliardi di pixel, osservando l’intero cielo visibile due volte alla settimana. «Immaginate se andassi dagli astronomi e chiedessi loro di classificare miliardi di oggetti: come potrebbero farlo? Ora saremo in grado di classificare automaticamente quegli oggetti e utilizzare tali informazioni per conoscere l’evoluzione della galassia», dice Robertson.
Altri astronomi hanno utilizzato il deep learnig per classificare le galassie, ma in genere gli sforzi precedenti hanno comportato l’adattamento degli algoritmi di riconoscimento delle immagini esistenti e i ricercatori hanno alimentato tali algoritmi con immagini delle galassie da classificare. Hausen ha costruito Morpheus da zero appositamente per i dati di immagini astronomiche e il modello utilizza come input i dati di immagini originali nel formato digitale standard utilizzato dagli astronomi.
La classificazione a livello di pixel è un altro importante vantaggio di Morfeo, ha affermato Robertson. «Con altri modelli, devi sapere che c’è qualcosa e dare al modello un’immagine, per avere la classificazione dell’intera galassia», ha detto. «Morpheus scopre le galassie al posto tuo, e lo fa pixel per pixel, quindi può gestire immagini molto complicate, dove potresti avere una galassia sferoidale accanto a una galassia a disco. Per un disco con un rigonfiamento centrale, classifica il rigonfiamento separatamente. È indubbiamente molto potente».
Per addestrare l’algoritmo di deep learning, i ricercatori hanno utilizzato le informazioni di uno studio del 2015 in cui dozzine di astronomi hanno classificato circa 10mila galassie nelle immagini del telescopio spaziale Hubble dalla survey Candels. Hanno quindi applicato Morpheus ai dati delle immagini di Hubble Legacy Fields, che combina le osservazioni prese da diversi survey di Hubble in campo profondo.
Quando Morfeo elabora un’immagine di un’area del cielo, genera una nuova serie di immagini di quella parte del cielo in cui tutti gli oggetti sono codificati in colori diversi in base alla loro morfologia, separando gli oggetti astronomici dallo sfondo e identificando le sorgenti puntiformi (le stelle) e diversi tipi di galassie. L’output include anche un livello di confidenza per ciascuna classificazione. In esecuzione sul super-computer lux di Ucsc, il programma genera rapidamente un’analisi pixel per pixel per l’intero set di dati.
Tra le altre cose, è stata pubblicata anche una visualizzazione interattiva dei risultati di Morpheus per la Goods South, una survey di campo profondo che ha riguardato milioni di galassie.
Per saperne di più:
- Leggi su Astrophysical Journal Supplement Series l’articolo “Morpheus: A Deep Learning Framework for the Pixel-level Analysis of Astronomical Image Data” di Ryan Hausen e Brant E. Robertson