西澳大利亚大学研究者训练AI系统识别太空中的星系

编译：chux

出品：ATYUN订阅号

西澳大利亚大学的研究人员开发了一种深度学习系统，可以识别太空中的星系。这个名为ClaRAN的系统可以扫描射电望远镜拍摄的图像，并发现从黑洞发射强大射电喷流的射电星系。

来自西澳大利亚大学的天文学家Ivy Wong博士和该研究的作者表示，在大多数星系的中心都会发现黑洞，“这些超大质量的黑洞偶尔可以用射电望远镜拍摄喷气式飞机，随着时间的推移，喷气式飞机可以从它们的主星系延伸很长的路程，这使得传统的计算机程序很难弄清星系的位置。这就是我们要教ClaRAN做的事情。“

这项工作使用基于快速区域的卷积神经网络（更快的R-CNN），由微软和Facebook研究人员的研究开发为基础。该团队表示，该计划经过彻底改革和训练，可以识别星系而不是人。

ClaRAN观察了超过500个不同角度的射电星系数据视图，并进行检测和分类。在扫描了不同的视图后，ClaRAN还考虑了红外望远镜的数据来改进其预测，给出了射电星系喷射系统的最终检测和分类结果。

团队使用NVIDIA Tesla GPU和cuDNN -accelerated TensorFlow深度学习框架，通过上千种世界坐标系对齐的射电和红外线图像训练卷积神经网络。然后神经网络将它们分为六个形态类别之一。

Wong博士表示，传统的计算机算法可识别大约90％的来源。“由于其扩展结构的复杂性，仍有10％或700万难以识别的星系必须被人类所关注。如果ClaRAN将需要视觉分类的光源数量减少到百分之一，这意味着我们有更多的时间来观察新星系。”

通过结合不同望远镜的数据，ClaRAN在其检测和分类中的置信度水平得以提高。如检测框上方的数字所示，1.00的置信度表示ClaRAN非常确信所检测到的源是一个射电星系喷射系统，并且已经正确地对其进行了分类。左边是一个射电星系喷射系统，ClaRAN只用射电望远镜的数据就能探测到。ClaRAN不确定它在这里看到了什么，给出了两个预测，一个覆盖整个系统，为0.53的低置信度，一个覆盖顶级喷射，只有0.67的置信度。右边是同一个星系，但红外望远镜数据重叠。随着红外望远镜数据的加入，ClaRAN对检测的信心增加到最高值1.0，而ClaRAN现在将整个系统包含在其唯一的预测中。

代码：github.com/chenwuperth/rgz_rcnn

论文：academic.oup.com/mnras/article/482/1/1211/5142869