Исследователи Европейского космического агентства (ЕКА) разработали инструмент искусственного интеллекта (ИИ) под названием AnomalyMatch, способный анализировать десятки миллионов изображений и выявлять редкие и аномальные объекты за время, несравнимо меньшее, чем потребовалось бы человеку.

Благодаря этой системе астрономы изучили почти 100 миллионов фрагментов снимков из Архива наследия телескопа «Хаббл», хранящего 35 лет данных, всего чуть более чем за два дня. Они обнаружили около 1400 аномалий, из которых более 800 ранее никогда не были описаны в научной литературе. Космические аномалии — это объекты или явления, которые отклоняются от наиболее распространённых структур, таких как правильные галактики или изолированные звёзды. Ими могут быть сталкивающиеся галактики или галактики с газовыми хвостами, а также гравитационные линзы. Однако колоссальный объём данных, генерируемых современными обсерваториями, делает их обнаружение традиционными методами всё более трудным. До сих пор большинство аномалий находили случайно или с помощью проектов гражданской науки. Однако этих проектов недостаточно для обработки гигантских архивов, которые поступят от новых телескопов. И здесь на помощь может прийти искусственный интеллект. AnomalyMatch использует искусственную нейронную сеть, которая частично имитирует то, как человеческий мозг распознаёт шаблоны и формы в визуальных данных. Обученная на известных примерах «нормальных» и «аномальных» объектов, сеть способна присваивать каждому фрагменту изображения вероятность быть интересным с научной точки зрения. Затем команда проанализировала фрагменты с наивысшими оценками, подтвердив «человеческим глазом» более 1300 реальных аномалий. Результаты демонстрируют не только эффективность подхода, но и то, сколько научных открытий ещё можно извлечь из архивов, считающихся уже хорошо изученными, таких, как огромный архив «Хаббла». Большинство объектов, идентифицированных системой ИИ, — это взаимодействующие или сливающиеся галактики с искажёнными формами, хвостами или мостами из звёзд и газа, протянувшимися в пространстве. Эти явления открывают окно в динамические процессы, управляющие эволюцией галактик в космическом времени, такие как обмен веществом и звездообразование, вызванное гравитационными возмущениями. Помимо сталкивающихся галактик, команда обнаружила множество эффектов гравитационного линзирования, когда массивный объект на переднем плане искажает свет более далёких галактик в дуги или кольца. Эти явления, предсказанные теорией общей относительности Эйнштейна, являются ценным инструментом для изучения распределения тёмной материи. Среди других обнаруженных редких объектов — галактики с большими звёздными скоплениями, галактики с длинными газовыми хвостами, похожими на щупальца, и наблюдаемые почти с ребра протопланетные диски, приобретающие причудливые формы. Некоторые источники не поддаются простому отнесению к уже известным категориям. Искусственный интеллект не заменяет человеческий анализ, но умножает его возможности, позволяя обнаруживать объекты, которые в противном случае могли бы остаться погребёнными среди миллионов изображений. После того как AnomalyMatch отметил наиболее перспективные кандидатуры, учёные провели визуальную проверку для подтверждения аномальной природы источников. Этот гибридный подход, объединяющий вычислительные мощности и экспертный анализ, позволил успешно выделить сотни новых объектов, достойных изучения. Результат представляет собой важный шаг вперёд в том, как астрономы справляются с растущим потоком данных от современных наблюдений. Снимки, собранные «Хабблом», уже охватывают десятилетия научной деятельности, но в ближайшие годы новые инструменты, такие как миссия «Евклид» ЕКА, обсерватория Веры Рубин и телескоп Нэнси Грейс Роман NASA, произведут ещё большие объёмы данных. «Евклид» наблюдает миллиарды галактик в крупном масштабе, «Рубин» проведёт десятилетний обзор с десятками петабайт изображений, а «Роман» расширит изучение Вселенной в ближнем инфракрасном диапазоне. Таким образом, в самом ближайшем будущем, когда информация для анализа будет увеличиваться всё быстрее, инструменты на основе искусственного интеллекта и нейронных сетей станут ещё более важными для помощи в обнаружении редких объектов и ещё неизвестных явлений.