قام الباحثون في جامعة كاليفورنيا بسانتا كروز (UCSC) بتطوير خوارزمية جديدة للكمبيوتر تسمى (Morpheus) يمكنها تحليل بيانات الصورة الفلكية بكسلًا تلو الآخر لتحديد وتصنيف جميع المجرات والنجوم في مجموعات كبيرة من البيانات التي توفرها المراصد حول العالم.
تعد Morpheus برنامجًا للتعلم العميق (deep-learning) يتضمن مجموعة متنوعة من تقنيات الذكاء الاصطناعي التي تم تطويرها لتطبيقات مثل التعرف على الصور والكلام. قال (برانت روبرتسون-Brant Robertson)، أستاذ علم الفلك والفيزياء الفلكية الذي يقود مجموعة أبحاث الفيزياء الفلكية الحاسوبية في جامعة كاليفورنيا بسانتا كروز:
إن الحجم المتزايد بسرعة لبيانات الرصد جعل من الضروري تكليف الحواسيب ببعض المهام التي يقوم بها الفلكيون تقليديًا.
وأضاف:
هناك بعض الأشياء التي لا يمكننا ببساطة القيام بها كبشر، لذلك علينا إيجاد طرق لتكليف أجهزة الكمبيوتر بالتعامل مع الكميات الهائلة من البيانات التي ستوفرها مشاريع الرصد الفلكي الضخمة خلال السنوات القليلة القادمة.
عمل روبرتسون مع (رايان هاوزن-Ryan Hausen)، وهو طالب دراسات عليا في علوم الكمبيوتر في كلية باسكن للهندسة بجامعة كاليفورنيا، والذي طور واختبر البرنامج على مدار العامين الماضيين. مع نشر النتائج في 12 مايو في سلسلة ملحق مجلة الفيزياء الفلكية، يقوم Hausen و Robertson أيضًا بطرح الكود الخاص بالبرنامج علنًا وتقديم عروض على الإنترنت.
يمكن لعملية تشكل المجرات، من المجرات القرصية الدورية مثل مجرتنا درب التبانة إلى المجرات الإهليجية والكروية غير الكروية، أن تخبر الفلكيين عن كيفية تكوين المجرات وتطورها بمرور الوقت. ستؤدي عمليات المسح واسعة النطاق، مثل المسح الشامل الذي سيتم إجراؤه في مرصد (فيرا روبين-Vera Rubin) الذي يتم بناؤه الآن في تشيلي، إلى توفير كميات هائلة من بيانات الصور، وشارك روبرتسون في التخطيط لكيفية استخدام تلك البيانات لفهم تكوين المجرات وتطورها. سيلتقط المرصد أكثر من 800 صورة بانورامية كل ليلة باستخدام كاميرا 3.2 مليار بكسل، وتسجيل السماء المرئية بالكامل مرتين كل أسبوع.
وقال روبرتسون
تخيل لو ذهبت إلى علماء الفلك وطلبت منهم تصنيف مليارات من الأجرام- كيف يمكنهم فعل ذلك؟ الآن سنكون قادرين على تصنيف تلك الأشياء تلقائيًا واستخدام تلك المعلومات للتعرف على تطور المجرات.
استخدم علماء الفلك الآخرون تكنولوجيا التعلم العميق لتصنيف المجرات، لكن الجهود السابقة تضمنت عادة تكييف خوارزميات التعرف على الصور الحالية، وقام الباحثون بتغذية الخوارزميات بالصور المنسقة للمجرات ليتم تصنيفها. بُنى Hausen Morpheus من الألف إلى الياء خصيصًا لبيانات الصورة الفلكية، ويستخدم النموذج كمدخل لبيانات الصورة الأصلية في تنسيق الملف الرقمي القياسي المستخدم من قبل الفلكيين.
وقال روبرتسون إن التصنيف على مستوى البكسل هو ميزة مهمة أخرى لبرنامجه. وأضاف:
مع نماذج أخرى، عليك أن تعرف مسبقًا أن هناك شيئًا ما وأن تدعم النموذج بصورة، ثم تصنف المجرة بأكملها دفعة واحدة، Morpheus يكتشف المجرات نيابة عنك، ويفعل ذلك بكسلًا تلو الآخر، حتى يتمكن من معالجة الصور المعقدة للغاية، حيث قد يكون لديك جسم كروي بجوار جسم قرصي الشكل. فالنسبة للقرص المنتفخ، فإنه يصنف الانتفاخ بشكل منفصل. إنه دقيق جدا
لتدريب خوارزمية التعلم العميق، استخدم الباحثون بيانات من دراسة عام 2015 صنف فيها عشرات الفلكيين حوالي 10000 مجرة تم رصدها وتصويرها بواسطة تلسكوب هابل الفضائي، ثم قاموا بتطبيق Morpheus على بيانات صورة من حقل هابل ليجاسي (Hubble Legacy Field)، والتي تجمع بين نتائج العديد من استطلاعات هابل الميدانية العميقة.
عندما يقوم Morpheus بمعالجة صورة لمنطقة من السماء، فإنه يولد مجموعة جديدة من الصور لذلك الجزء من السماء حيث يتم ترميز جميع الكائنات بالألوان بناءً على شكلها، وفصل الأجسام الفلكية عن الخلفية وتحديد مصادر النقاط (النجوم ) وأنواع مختلفة من المجرات. يتضمن الناتج مستوى ثقة لكل تصنيف. يعمل البرنامج على حاسوب جامعة كاليفورنيا (UCSC) الفاخر ، ويقوم البرنامج بسرعة بتحليل كل بكسل على حدى لمجموعة البيانات بأكملها.
وقال هاوزن:
إن Morpheus يوفر الكشف والتصنيف الصرفي للأجسام الفلكية على مستوى من الدقة غير موجود حاليًا
تم عرض التصور التفاعلي لنتائج نموذج مورفيوس لـمسح المراصد العظمى العميق (GOODS South) وهو مسح ميداني عميق لملايين المجرات، تم دعم هذا العمل من قبل وكالة ناسا ومؤسسة العلوم الوطنية.
