Учёные из обсерваторий Юньнань Китайской академии наук создали метод классификации крупных небесных объектов на основе нейронной сети. Об этом говорится в статье, недавно опубликованной в журнале «The Astrophysical Journal Supplement Series».
Точная классификация имеет решающее значение
Точная классификация звёзд, галактик и квазаров крайне важна для понимания структуры и эволюции Вселенной в современной астрономии. Спектроскопические наблюдения обеспечивают высокоточную классификацию, но они требуют много времени и ресурсов.
В то же время фотометрические изображения более эффективны и чувствительны к более тусклым объектам. Однако классификация, основанная исключительно на морфологических особенностях или особенностях спектрального энергетического распределения (SED), сопряжена с неоднозначностью. Например, квазары с высоким красным смещением и звёзды на изображениях выглядят как точечные источники, что затрудняет их различение.
Решение проблемы с помощью нейронной сети
Чтобы решить эти проблемы, исследовательская группа создала мультимодальную модель нейронной сети, которая может одновременно обрабатывать морфологические особенности и особенности SED. Объединив эти дополнительные источники данных, модель достигла высокой точности классификации звёзд, квазаров и галактик. Она была обучена с использованием спектроскопически подтверждённых источников из данных Слоановского цифрового обзора неба (SDSS) за семнадцатый выпуск, что заложило основу для классификации.
При применении к пятому выпуску данных исследования «Kilo-Degree Survey» (KiDS) модель успешно классифицировала более 27 миллионов небесных источников ярче r = 23 звёздной величины на площади примерно в 1350 квадратных градусов неба.
Тестирование подтвердило эффективность модели
Тестирование подтвердило эффективность модели. При применении к 3,4 миллионам источников Gaia, имеющих значительное собственное движение или параллакс — черты, обычно уникальные для звёзд, — модель правильно идентифицировала 99,7% как звёздные объекты. Аналогичные результаты были получены с четвёртым выпуском данных «Galaxy And Mass Assembly», где 99,7% источников были точно классифицированы как галактики или квазары.
Примечательно, что исследование показало: модель может корректировать неправильную классификацию в существующих каталогах. Случайные проверки показали, что некоторые объекты, визуально идентифицируемые как галактики, но ошибочно помеченные как звёзды в SDSS, были правильно переклассифицированы нейронной сетью.
Предоставлено Китайской академией наук