Češi objevili tisíc vzácných vesmírných objektů. Zapojili lidskou i umělou inteligenci

Aktivní hluboké učení je založeno na interaktivním vylepšování předpovědí tzv. mnohovrstvé konvoluční neuronové sítě na základě názoru experta.

Jak informoval Pavel Suchan z Astronomického ústavu AV ČR, metodu čeští výzkumníci úspěšně aplikovali na čtyřech milionech spekter z největšího světového archivu spekter pořízeného čínským dalekohledem LAMOST – a objevili skoro tisíc dosud nepopsaných velmi vzácných vesmírných objektů prokazujících se emisními spektrálními čárami.

„Ačkoli jsme intenzivně hledali v astronomické literatuře a ptali se kolegů ve světě, zdá se, že jsme první, kdo použil aktivní učení ve spojení s hlubokými neuronovými sítěmi v astronomii. Našli jsme skoro tisíc objektů dosud v literatuře detailně nepopsaných,” prohlásil astrofyzik Petr Škoda z Astronomického ústavu v Ondřejově.

K nově identifikovaným objektům patří vedle horkých hvězd s rychle rotujícími disky i např. nově vznikající hvězdy s formujícím se planetárním systémem či naopak velmi hmotné vyhořívající hvězdy těsně před výbuchem.

Kolem horkých hvězd označovaných jako Be se vytvořil dosud neobjasněným mechanismem řídký, rychle rotující plynový disk, nově vznikající hvězdy zvané T Tauri jsou ještě zabalené v zárodečné mlhovině a formují se u nich protoplanety z okolního plynu a prachu.

U kataklysmických proměnných hvězd zase hvězdný bílý trpaslík krade hmotu svému souputníkovi, než dojde k mohutnému výbuchu v podobě novy či dokonce supernovy.

Vzácné jsou i velmi hmotné (s hmotou několika desítek Sluncí) horké hvězdy s povrchovou teplotou desítek až stovek tisíc stupňů (Slunce má méně než šest tisíc). Tyto hvězdy vyčerpaly zásobu vodíku a spalují uhlík, dusík či kyslík, a odfoukly silným hvězdným větrem většinu hmoty do okolního prostoru. I je čeká poměrně brzy gigantická exploze v podobě supernovy.

Příklady toho všeho čeští vědci odhalili.

Všechny uvedené objekty vypadají na snímcích oblohy stejně jako běžné hvězdy a při jejich odtajnění podle Škody nepomůže ani kombinace CCD snímků v několika barevných filtrech, jak ji poskytují rozsáhlé obrazové přehlídky oblohy. Spolehlivě je usvědčí jen jejich spektra, ve kterých se nacházejí charakteristické kombinace emisních čar.

„Duha vznikající na vodních kapkách je vlastně spektrum našeho Slunce, podobné spektrum vidíme i po odrazu na povrchu CD či DVD. Pokud pustíme na DVD přes úzkou štěrbinu světlo zářivky či pouliční výbojky, uvidíme jen několik oddělených úzkých barevných čar. To jsou právě emisní čáry vzniklé vyzařováním plynu v lampě. Stejné je to u vesmírných objektů. Z jejich spektra dokážeme určit nejen chemické složení, hustotu a teplotu atmosféry, existenci disku nebo výtrysků hmoty, ale také to, jak rychle se od nás vzdalují či se přibližují, nebo dokonce zda mají okolo sebe planety,” popsal odborník.

Spektrum je podle něj pro kosmický objekt takový nezaměnitelný otisk prstu. „Přestože se desítky let vyvíjejí automatické algoritmy, jak objekty podle podoby spekter zařazovat do různých tříd, fungují dobře jen pro běžné hvězdy, které umíme i matematicky modelovat. Ale na výše zmíněné exotické případy to neplatí. Tam hraje stále zkušené oko astrofyzika klíčovou roli,” dodal Škoda.

Největší spektrální přehlídkou je již uvedený archív čínského šestimetrového dalekohledu LAMOST vybaveného čtyřmi tisíci vlákny umísťovanými pomocí dvojnásobného počtu mikromotorů v zorném poli o průměru deseti měsíčních úplňků.

Při plánování pozorování s LAMOSTem se na cílové objekty v zorném poli umístí jen pár set vláken a zbytek pozic vybere automatický algoritmus na základě rozsáhlých hvězdných katalogů. Nová spektra přibývají tempem několika milionů za rok. Na první pohled pak stačí, aby si všechna spektra v archívu prohlédl astrofyzik.

Jenže detailní prohlížení spekter člověkem není prakticky možné. I kdyby expert zařadil jedno spektrum každých 10 sekund, trvala by mu klasifikace současného veřejného archívu LAMOSTu s devíti miliony spekter skoro tři roky. Proto se vkládají velké naděje do použití umělé inteligence, zejména hlavně do hlubokých neuronových konvolučních sítí, které by měly poznat i rozdíly ve spektrech jako „živý” astrofyzik.

Mají však nevýhodu: vyžadují desítky či stovky tisíc člověkem označených příkladů, na kterých se musí učit, aby poznaly podobný vzor v milionech neznámých. Proto si vědci nejprve s archivem příliš nevěděli rady a ony emitující hvězdy tam nenacházeli.

Petr Škoda působí i na FIT ČVUT, kde vede diplomové práce založené na použití nejmodernějších softwarových technologií a umělé inteligence při řešení náročných astronomických problémů. Pro tento obor se používá termín astroinformatika. „Malý astroinformatický tým jsme před dvěma lety dali dohromady i na FIT ČVUT,” doplnil Pavel Tvrdík, spoluautor práce a vedoucí výzkumné skupiny.

Pro hledání emisních spekter v archivu LAMOST bylo podle Škody třeba překonat dvě zásadní překážky: ukázat síti spektra známých emisních objektů, jako by je pořídil LAMOST, a donutit síť, aby fungovala i při zlomku označených vzorků, než běžně vyžaduje.

Tým astroinformatiků po mnoha neúspěšných experimentech nakonec našel řešení. Pomohl tomu archív dvoumetrového Perkova dalekohledu z ondřejovské hvězdárny, který obsahuje několik tisíc CCD spekter oněch vzácných objektů s emisními čárami.

Spektrograf tohoto největšího českého dalekohledu na rozdíl od LAMOSTu pořizuje spektra s větším spektrálním rozlišením – vidí jemnější detaily spektrálních čar, ale v kratším úseku spektra. Proto byla nejprve spektra uměle rozostřena, jak by objekty viděl LAMOST. Na základě stejných hvězdných souřadnic se tak našly tři objekty pozorované jak v Ondřejově, tak v Číně. Takto uměle vytvořených spekter ale bylo jen 13 tisíc, což je málo.

Tato druhá překážka byla překonána pomocí zmíněné metody aktivního učení. „Principem je, že neuronová síť si v každém opakovaném kroku vybere ta spektra, kde si je svojí předpovědí nejméně jistá. Tato předloží expertovi (což může být nejen člověk, ale i jiný algoritmus), který předpověď sítě (např. zda patří předložené spektrum Be hvězdě) potvrdí, či vyvrátí. Toto se provede na malém vzorku cca sta spekter. Jakmile jsou expertem označena, jsou přidána do trénovací množiny, na které je síť znovu učena. Takto se do ní postupně dostává stále více těžko rozhodnutelných případů. To se opakuje do okamžiku, kdy se již síť trefuje,” objasnil spoluautor výzkumu Ondřej Podsztavek, doktorand na FIT.

Tímto komplikovaným způsobem se podařilo najít ve čtyřech milionech spekter ze starší veřejně dostupné verze archívu dalekohledu LAMOST přes 4000 objektů s emisními čárami. Při následném porovnávání s astronomickými databázemi se ukázalo, že se o většině z nich ví.

Kromě toho ale zbylo skoro tisíc objektů dosud detailně nepopsaných – objevují se jen záznamy o jejich poloze a jasnosti. Jejich seznam je jako součást článku v prestižním časopise Astronomy and Astrophysics k dispozici dalším výzkumníkům prostřednictvím celosvětové databáze astronomických katalogů Vizier.

Zajímavé je, že bylo objeveno i několik objektů, které neumíme zařadit ani po důkladné analýze dat.

„Tyto se pokoušíme sledovat Perkovým dalekohledem, ale některé jsou už moc slabé,” posteskl si Škoda. Posloužit by mohly velké teleskopy na Kanárských ostrovech, Havaji nebo v Chile.

„Naše metoda aktivního hlubokého učení každopádně nastiňuje budoucí směr používání umělé inteligence v astronomii a možná i jiných vědách. Stroj bude pracovat v těsné spolupráci s člověkem, bude za něj dělat rutinní práci, ale jakmile si nebude jistý, obrátí se o radu. Časem by takové řešení mohlo připomínat dialog mezi velitelským můstkem lodi Enterprise a palubním počítačem v seriálu Star Trek při průzkumu Galaxie,” uzavřel s tím, že člověk však bude vždy potřeba, aby pomohl počítači se složitým rozhodováním.