KI hilft bei der Untersuchung erster Bilder des James-Webb-Weltraumteleskops

Wissenschaftler auf der ganzen Welt bereiten sich darauf vor, die ersten Bilder des James-Webb-Weltraumteleskops zu untersuchen, die am 12. Juli veröffentlicht werden sollen.

Einige Astronomen werden maschinelle Lernalgorithmen auf den Daten anwenden, um Galaxien im tiefen Weltraum mit einer nie dagewesenen Detailgenauigkeit zu erkennen und zu klassifizieren. Brant Robertson, Professor für Astrophysik an der University of California, Santa Cruz, in den USA, glaubt, dass die Schnappschüsse des Teleskops dazu führen werden Durchbrüche das wird uns helfen, besser zu verstehen, wie sich das Universum vor etwa 13.7 Milliarden Jahren gebildet hat.

„Die JWST-Daten sind aufregend, weil sie uns ein beispielloses Fenster zum Infrarot-Universum mit einer Auflösung bieten, von der wir bisher nur geträumt haben“, sagte er Das Register. Robertson half bei der Entwicklung Morpheus, ein maschinelles Lernmodell, das darauf trainiert ist, über Pixel zu brüten und verschwommene, klecksförmige Objekte aus dem tiefen Abgrund des Weltraums zu erkennen und festzustellen, ob diese Strukturen Galaxien sind oder nicht, und wenn ja, welcher Art.

Die Software wird im Rahmen des COSMOS-Webb-Programms eingesetzt, dem größten und ehrgeizigsten Projekt, das das Teleskop in seinem ersten Jahr durchführen wird. Robertson und ein Team von fast 50 Forschern werden eine halbe Million Galaxien von einem Fleck am Himmel aus untersuchen; Sie werden nach den ältesten, voll entwickelten Galaxien suchen, um zu untersuchen, wie sich dunkle Materie im Laufe der Zeit entwickelt hat, als diese Strukturen begannen, Sterne zu beherbergen, und die Software verwenden, um diesen Prozess zu automatisieren.

Robertson und seine Kollegen haben Morpheus aktualisiert, um es an Daten des JWST anzupassen. „Wir haben jetzt Aufmerksamkeitsmethoden integriert, die es ermöglichen, größere Bildregionen auf einmal zu klassifizieren, was zu einer Beschleunigung um etwa den Faktor Hundert führte. Der neuere Morpheus kann größere Bilder schneller und zuverlässiger als zuvor klassifizieren“, sagte er uns.

Die neueste Version der Software hat auch neue Bildverarbeitungsfunktionen, wie zum Beispiel Deblending, das astronomische Objekte herausfiltern kann, die sich am Himmel zu überlappen scheinen, erklärte er. 

Diese Fähigkeiten werden sich als nützlich erweisen, da das JWST einen breiteren und tieferen Blick auf das Universum als je zuvor bietet und jedes Bild mehr Strukturen enthält, die nicht manuell mit bloßem Auge untersucht werden können. Morpheus wurde ursprünglich auf 7,600 Galaxienbildern trainiert, die vom Hubble-Weltraumteleskop der NASA aufgenommen wurden, und Robertson geht davon aus, dass es neu trainiert werden muss, um sich besser an die Daten des JWST anzupassen.

„Wir werden versuchen, Morpheus unverändert auf die JWST-Daten anzuwenden, ohne vorher neu zu trainieren, und die Leistung für Objekte in Regionen des Himmels überprüfen, in denen sowohl Hubble- als auch JWST-Daten existieren“, sagte er uns.

„Es ist wahrscheinlich, dass wir Morpheus basierend auf den JWST-Daten neu trainieren müssen, da die JWST-Daten röter sind, sich über einen größeren Wellenlängenbereich erstrecken und die Punktstreuungsfunktion – im Grunde wie ein Stern durch die Teleskopoptik aussieht – sich von Hubble unterscheidet.“

Morpheus wird auf dem Supercomputer der UC Santa Cruz laufen Luxus, Das ist bewaffnet mit 80 Nur-CPU-Rechenknoten, die jeweils zwei 20-Kern-Intel-Cascade-Lake-Xeon-Prozessoren enthalten, und 28 Nur-GPU-Knoten, die jeweils zwei Nvidia V100-GPUs enthalten. „Sobald die Daten vorliegen, wird der Betrieb von Morpheus auf allen JWST-Bildern bei Lux höchstens ein paar Tage dauern“, sagte Robertson. 

Das lang erwartete Zehn-Milliarden-Dollar-Teleskop wurde nach wiederholten Verzögerungen am Weihnachtstag letzten Jahres endlich gestartet. Die Bodenkontrolle verbrachte Monate damit, ihr komplexes 18-Spiegel-System perfekt auszurichten, bevor das Instrument begann, es zu erkennen erste Photonen im Februar. ®