AI för att hjälpa till att studera de första bilderna från rymdteleskopet James Webb

Forskare runt om i världen förbereder sig för att studera de första bilderna tagna av rymdteleskopet James Webb, som ska släppas den 12 juli.

Vissa astronomer kommer att köra maskininlärningsalgoritmer på data för att upptäcka och klassificera galaxer i rymden på en detaljnivå som aldrig tidigare skådats. Brant Robertson, professor i astrofysik vid University of California, Santa Cruz, i USA tror att teleskopets snaps kommer att leda till genombrott som kommer att hjälpa oss att bättre förstå hur universum bildades för cirka 13.7 miljarder år sedan.

"JWST-data är spännande eftersom det ger oss ett aldrig tidigare skådat fönster på det infraröda universum, med en upplösning som vi bara har drömt om tills nu," sa han Registret. Robertson hjälpte till att utvecklas Morpheus, en maskininlärningsmodell tränad att porera över pixlar och plocka ut suddiga klumpformade objekt från rymdens djupa avgrund och avgöra om dessa strukturer är galaxer eller inte, och i så fall av vilken typ.

Mjukvaran kommer att användas som en del av COSMOS-Webb-programmet, det största och mest ambitiösa projekt som teleskopet kommer att genomföra under sitt första år. Robertson och ett team på nästan 50 forskare kommer att undersöka en halv miljon galaxer från en del av himlen; de kommer att jaga efter de äldsta, fullt utvecklade galaxerna för att studera hur mörk materia utvecklades över tiden när dessa strukturer började hysa stjärnor, och använda programvaran för att automatisera denna process.

Robertson och hans kollegor har uppdaterat Morpheus för att anpassa sig till data från JWST. ”Vi har nu integrerat uppmärksamhetsmetoder som gör att större delar av bilder kan klassificeras åt gången, vilket resulterade i en hastighetsuppgång på ungefär en faktor hundra. Den nyare Morpheus kan klassificera större bilder snabbare och mer tillförlitligt än tidigare”, berättade han för oss.

Den senaste versionen av programvaran har också nya bildbehandlingsfunktioner, såsom deblending som kan separera ut astronomiska objekt som verkar överlappa varandra på himlen, förklarade han. 

Dessa förmågor kommer väl till pass eftersom JWST ger en bredare och djupare bild av universum än någonsin tidigare, och varje bild kommer att innehålla fler strukturer som inte kan studeras manuellt med blotta ögat. Morpheus tränades från början på 7,600 XNUMX galaxbilder tagna av NASA:s rymdteleskop Hubble, och Robertson räknar med att den måste omskolas för att bättre anpassa sig till data från JWST.

"Vi kommer att försöka använda Morpheus som den är på JWST-data utan att först träna om, och kontrollera prestanda för objekt i områden på himlen där både Hubble- och JWST-data finns," berättade han för oss.

"Det är troligt att vi kommer att behöva omskola Morpheus baserat på JWST-data med tanke på att JWST-data är rödare, sträcker sig över ett bredare våglängdsområde, och punktspridningsfunktionen - i princip hur en stjärna ser ut genom teleskopoptiken - skiljer sig från Hubble."

Morpheus kommer att köras på UC Santa Cruz superdator Lux, vilket är beväpnad med 80 endast CPU-noder som var och en innehåller två 20-kärniga Intel Cascade Lake Xeon-processorer och 28 GPU-noder som innehåller två Nvidia V100 GPU:er vardera. "När data väl finns i handen kommer det att köra Morpheus på alla JWST-bilder bara ta några dagar på lux", sa Robertson. 

Det efterlängtade teleskopet på tio miljarder dollar lanserades äntligen på juldagen förra året efter upprepade förseningar. Markkontroll ägnade månader åt att perfekt anpassa sitt komplexa 18-spegelsystem innan instrumentet började upptäcka dess första fotoner i februari. ®