Neue KI-Methode spürt seltene Objekte im All auf

Letzte Änderung:3 Wochen
Lesezeit:4Minuten
Wörter:921
Beitragsaufrufe:255

Ein Astronomenteam hat mithilfe einer neuen KI-gestützten Methode seltene astronomische Objekte im Hubble Legacy Archive aufgespürt. Das Team durchforstete in nur zweieinhalb Tagen fast 100 Millionen Bildausschnitte und entdeckte dabei fast 1.400 ungewöhnliche Objekte, von denen über 800 zuvor noch nie dokumentiert worden waren.

Seltene und ungewöhnliche Objekte wie kollidierende Galaxien, Gravitationslinsen und Ringgalaxien sind von immensem wissenschaftlichem Interesse, aber in den stetig wachsenden Datenmengen von Teleskopen wie dem Hubble-Weltraumteleskop schwer zu finden. Astronomen müssen sich daher zunehmend fragen, wie sie die kosmische Nadel im Heuhaufen von der Größe des Universums finden können.

Die Forscher David O’Ryan und Pablo Gómez von der Europäischen Weltraumorganisation (ESA) haben kürzlich ein KI-Tool entwickelt, mit dem sie Millionen astronomischer Bilder in einem Bruchteil der Zeit analysieren können, die ein Mensch dafür benötigen würde. Das Team trainierte sein Tool und demonstrierte dessen Leistungsfähigkeit anhand des Hubble Legacy Archive, das Zehntausende von Datensätzen aus der langen Betriebszeit des Hubble-Teleskops enthält.

„Archivierte Beobachtungen des Hubble-Weltraumteleskops reichen mittlerweile 35 Jahre zurück und bieten eine wahre Fundgrube an Daten, in denen astrophysikalische Anomalien entdeckt werden könnten“, sagt David O’Ryan, Hauptautor der in der Fachzeitschrift Astronomy & Astrophysics veröffentlichten Forschungsarbeit.

Astrophysikalische Anomalien werden üblicherweise entdeckt, wenn Wissenschaftler gezielt nach Objekten suchen, die von der Norm abweichen – oder sie zufällig finden. Zwar sind ausgebildete Wissenschaftler hervorragend darin, kosmische Anomalien aufzuspüren, doch die Datenmenge des Hubble-Teleskops ist schlichtweg zu groß, als dass Experten sie manuell mit der nötigen Detailgenauigkeit auswerten könnten.

Bürgerwissenschaftsprojekte, bei denen Nichtwissenschaftler an Aufgaben wie der Klassifizierung von Galaxien mitarbeiten, bieten eine weitere Möglichkeit, die Berge von verfügbaren Daten abzubauen. Bürgerwissenschaftsgruppen erweitern zwar die Menge der Daten, die untersucht werden können, erheblich, aber sie sind immer noch kein Ersatz für umfangreiche Archive wie das des Hubble-Teleskops oder für Datensätze von Teleskopen, die den Himmel beobachten, wie das Euclid-Weltraumteleskop der ESA.

Die neue Arbeit von O’Ryan und Gómez hebt die Suche auf ein völlig neues Niveau. Das Team entwickelte ein sogenanntes neuronales Netzwerk, ein KI-Werkzeug, das mithilfe von Computern Daten verarbeitet und nach Mustern sucht – inspiriert vom menschlichen Gehirn. Ihr neuronales Netzwerk, das sie AnomalyMatch nannten, ist darauf trainiert, seltene Objekte wie Quallengalaxien und Gravitationsbögen zu erkennen und aufzuspüren.

Das Team nutzte AnomalyMatch, um fast 100 Millionen Bildausschnitte aus dem Hubble Legacy Archive zu durchsuchen. Dies war die erste systematische Suche nach astrophysikalischen Anomalien in diesem Archiv. In nur zweieinhalb Tagen schloss AnomalyMatch die Suche ab und lieferte eine Liste wahrscheinlicher Anomalien.

Da die Suche nach seltenen Objekten nach wie vor ein geschultes Auge erfordert, untersuchten O’Ryan und Gómez persönlich die von ihrem Algorithmus als höchstwahrscheinlich anomal eingestuften Quellen. Mehr als 1.300 davon waren tatsächlich Anomalien, von denen über 800 noch nie in der wissenschaftlichen Literatur dokumentiert worden waren.

Die meisten Anomalien waren Galaxien, die sich in einem Verschmelzungsprozess befanden oder miteinander interagierten und dabei ungewöhnliche Formen annahmen oder lange Schweife aus Sternen und Gas hinter sich herzogen. Viele andere waren Gravitationslinsen, bei denen die Schwerkraft einer Vordergrundgalaxie die Raumzeit krümmt und das Licht einer fernen Hintergrundgalaxie zu einem Kreis oder Bogen verzerrt. Das Team entdeckte außerdem Beispiele für mehrere andere seltene Objekte, wie Galaxien mit riesigen Sternansammlungen, quallenartige Galaxien mit gasförmigen „Tentakeln“ und planetenbildende Scheiben, die von der Seite gesehen wurden und dadurch ein hamburger- oder schmetterlingsartiges Aussehen erhielten. Am faszinierendsten war vielleicht, dass es mehrere Dutzend Objekte gab, die sich einer Klassifizierung gänzlich entzogen.

„Dies ist ein fantastisches Beispiel für den Einsatz von KI zur Maximierung des wissenschaftlichen Nutzens des Hubble-Archivs“, sagt Studienmitautor Pablo Gómez. „So viele Anomalien in den Hubble-Daten zu finden, wo man erwarten würde, dass viele bereits entdeckt wurden, ist ein großartiges Ergebnis. Es zeigt auch, wie nützlich dieses Werkzeug für andere große Datensätze sein wird.“

Das Hubble-Teleskop hat nur eines von vielen großen Datenarchiven in der Astronomie geschaffen, und weitere sind bereits in Planung. Zu den neuen Einrichtungen, die enorme Datenmengen liefern werden, gehören Euclid, das 2023 seine Durchmusterung von Milliarden von Galaxien über ein Drittel des Nachthimmels begann, das NSF-DOE Vera C. Rubin Observatory, das in Kürze seine zehnjährige Legacy Survey of Space and Time startet und mehr als 50 Petabyte an Bildern sammeln wird, sowie das Nancy Grace Roman Space Telescope der NASA, zu dem die ESA im Rahmen einer Mission of Opportunity beiträgt und dessen Start für spätestens Mai 2027 geplant ist. KI-Tools wie AnomalyMatch können Astronomen helfen, die Datenflut zu bewältigen und neue Beispiele seltener und ungewöhnlicher Objekte – und vielleicht sogar Dinge, die im Universum noch nie zuvor beobachtet wurden – zu entdecken.