AI helpt bij het bestuderen van eerste beelden van James Webb Space Telescope

Wetenschappers over de hele wereld maken zich op om de eerste beelden te bestuderen die zijn gemaakt door de James Webb Space Telescope, die op 12 juli worden vrijgegeven.

Sommige astronomen zullen machine learning-algoritmen op de gegevens uitvoeren om sterrenstelsels in de verre ruimte te detecteren en classificeren op een nooit eerder gezien detailniveau. Brant Robertson, een professor astrofysica aan de Universiteit van Californië, Santa Cruz, in de VS, gelooft dat de snaps van de telescoop zullen leiden tot doorbraken dat zal ons helpen beter te begrijpen hoe het heelal zo'n 13.7 miljard jaar geleden is gevormd.

"De JWST-gegevens zijn opwindend omdat het ons een ongekend venster op het infrarooduniversum geeft, met een resolutie waar we tot nu toe alleen van hebben gedroomd", vertelde hij. Het register. Robertson hielp bij de ontwikkeling Morpheus, een machine learning-model dat is getraind om over pixels te kijken en wazige kloddervormige objecten uit de diepe afgrond van de ruimte te selecteren en te bepalen of deze structuren sterrenstelsels zijn of niet, en zo ja, van welk type.

De software zal worden gebruikt als onderdeel van het COSMOS-Webb-programma, het grootste en meest ambitieuze project dat de telescoop in het eerste jaar zal ondernemen. Robertson en een team van bijna 50 onderzoekers zullen een half miljoen sterrenstelsels vanuit een stukje van de lucht onderzoeken; ze zullen op jacht gaan naar de oudste, volledig geëvolueerde sterrenstelsels om te bestuderen hoe donkere materie in de loop van de tijd evolueerde toen deze structuren sterren begonnen te herbergen, en de software gebruiken om dit proces te automatiseren.

Robertson en zijn collega's hebben Morpheus bijgewerkt om zich aan te passen aan gegevens van de JWST. “We hebben nu aandachtsmethoden geïntegreerd waarmee grotere delen van afbeeldingen tegelijk kunnen worden geclassificeerd, wat resulteerde in een versnelling van ongeveer een factor honderd. De nieuwere Morpheus kan grotere afbeeldingen sneller en betrouwbaarder classificeren dan voorheen,” vertelde hij ons.

De nieuwste versie van de software heeft ook nieuwe beeldverwerkingsmogelijkheden, zoals deblending, waardoor astronomische objecten die elkaar in de lucht lijken te overlappen, kunnen worden gescheiden, legde hij uit. 

Deze mogelijkheden zullen van pas komen omdat de JWST een breder en dieper beeld van het universum biedt dan ooit tevoren, en elk beeld zal meer structuren bevatten die niet handmatig met het blote oog kunnen worden bestudeerd. Morpheus werd aanvankelijk getraind op 7,600 melkwegbeelden die werden gemaakt door NASA's Hubble Space Telescope, en Robertson denkt dat het opnieuw moet worden getraind om zich beter aan te passen aan gegevens van de JWST.

"We zullen proberen Morpheus toe te passen zoals het is op de JWST-gegevens zonder eerst opnieuw te trainen, en de prestaties controleren voor objecten in de luchtregio's waar zowel Hubble- als JWST-gegevens bestaan", vertelde hij ons.

"Het is waarschijnlijk dat we Morpheus moeten omscholen op basis van de JWST-gegevens, aangezien JWST-gegevens roder zijn, zich over een groter bereik van golflengten uitstrekken en de puntspreidingsfunctie - in feite hoe een ster eruitziet door de optica van de telescoop - verschilt van Hubble."

Morpheus zal draaien op de supercomputer van UC Santa Cruz LuxDit is gewapend met 80 CPU-only compute nodes die elk twee 20-core Intel Cascade Lake Xeon-processors bevatten, en 28 GPU-only nodes met elk twee Nvidia V100 GPU's. "Zodra de gegevens bij de hand zijn, duurt het uitvoeren van Morpheus op alle JWST-beelden slechts een paar dagen op lux," zei Robertson. 

De langverwachte telescoop van tien miljard dollar werd vorig jaar op eerste kerstdag eindelijk gelanceerd na herhaalde vertragingen. De grondcontrole was maanden bezig met het perfect uitlijnen van het complexe 18-spiegelsysteem voordat het instrument zijn systeem begon te detecteren eerste fotonen in februari. ®