Исследователи разрабатывают нейронную сеть для классификации крупномасштабных небесных объектов⁠⁠

Недавнее исследование учёных из Юньнаньской обсерватории Китайской академии наук представило нейронную сеть для классификации звёзд, галактик и квазаров. Точная классификация этих объектов важна для понимания структуры и эволюции Вселенной. Спектроскопия даёт высокую точность, но требует много времени и ресурсов, тогда как фотометрия эффективнее, но классификация на основе только морфологии или спектрального распределения энергии (SED) бывает неточной — например, квазары и звёзды с большим красным смещением выглядят как точечные источники и трудно различимы.

Для решения этой проблемы разработана мультимодальная модель нейросети, которая одновременно учитывает морфологию и SED-данные. Обучение проводилось на спектроскопически подтверждённых объектах из 17-го выпуска данных Sloan Digital Sky Survey (SDSS). Применение модели к пятому выпуску данных обзора Kilo-Degree Survey (KiDS) позволило классифицировать более 27 миллионов источников с яркостью до r = 23 на площади около 1350 квадратных градусов.

Тестирование показало высокую точность: среди 3,4 миллионов источников Gaia с выраженным собственным движением или параллаксом модель правильно определила 99,7% звёзд. Аналогичные результаты были получены при классификации объектов из 4-го выпуска данных о скоплениях галактик и массах, где 99,7% источников были верно отнесены к галактикам или квазарам.

Кроме того, модель исправляет ошибки существующих каталогов: некоторые объекты, ошибочно обозначенные как звёзды в SDSS, но визуально идентифицируемые как галактики, были корректно переклассифицированы нейросетью.