Een team van sterrenkundigen heeft een geavanceerde, door kunstmatige intelligentie (AI) ondersteunde techniek gebruikt om zeldzame astronomische verschijnselen te ontdekken in gearchiveerde gegevens van de Hubble ruimtetelescoop. Het team analyseerde bijna 100 miljoen uitsneden van afbeeldingen uit het Hubble Legacy Archive, elk met een afmeting van slechts enkele tientallen pixels (7 tot 8 boogseconden). In slechts tweeënhalve dag identificeerden ze meer dan 1.300 objecten met een afwijkend uiterlijk, waarvan er meer dan 800 nog nooit eerder in de wetenschappelijke literatuur waren beschreven.
Deze nieuwe afbeelding van de Hubble ruimtetelescoop toont zes voorheen onontdekte, bizarre en fascinerende astrofysische objecten. Het gaat onder andere om drie lenzen met door zwaartekracht vervormde bogen, een samensmelting van sterrenstelsels, een ringstelsel en een sterrenstelsel dat zich niet laat classificeren. Credits: NASA, ESA, David O’Ryan (ESA), Pablo Gómez (ESA), Mahdi Zamani (ESA/Hubble)
De meeste afwijkingen (in het Engels: anomalies) betroffen sterrenstelsels die aan het fuseren of interageren waren, en die ongebruikelijke morfologieën vertoonden of langgerekte, slierten sterren en gas achterlieten. Andere waren zwaartekrachtlenzen, waarbij de zwaartekracht van een sterrenstelsel op de voorgrond de ruimtetijd vervormt en het licht van een sterrenstelsel op de achtergrond afbuigt tot bogen of ringen. Verder werden sterrenstelsels ontdekt met enorme stervormingsclusters, kwalachtige sterrenstelsels met gasvormige “tentakels” en planetenvormende schijven in ons eigen sterrenstelsel die op hamburgers leken. Opmerkelijk genoeg waren er tientallen objecten die volledig buiten de bestaande classificatieschema’s vielen.
Het identificeren van zo’n diverse reeks zeldzame objecten binnen de enorme en groeiende hoeveelheid gegevens van Hubble en andere telescopen vormt een enorme uitdaging. Nooit eerder in de geschiedenis van de astronomie is er zo’n grote hoeveelheid observatiegegevens beschikbaar geweest voor analyse. Om deze uitdaging aan te gaan, ontwikkelden de onderzoekers David O’Ryan en Pablo Gómez van de ESA een AI-tool die miljoenen astronomische beelden in een fractie van de tijd kan analyseren die menselijke experts daarvoor nodig hebben. Hun neurale netwerk, genaamd AnomalyMatch, werd getraind om zeldzame en ongebruikelijke objecten te detecteren door patronen in de data te herkennen – een nabootsing van de manier waarop het menselijk brein visuele informatie verwerkt.
Traditioneel worden afwijkende beelden ontdekt door handmatige inspectie of toevallige waarnemingen. Hoewel ervaren sterrenkundigenn uitblinken in het identificeren van ongebruikelijke kenmerken, maakt de enorme hoeveelheid Hubble-data een uitgebreide handmatige beoordeling onpraktisch. Burgerwetenschappelijke initiatieven hebben bijgedragen aan de uitbreiding van de data-analyse, maar zelfs deze inspanningen schieten tekort bij archieven zo omvangrijk als die van Hubble of van groothoektelescopen zoals Euclid, een ESA-missie waaraan NASA heeft bijgedragen.
Het werk van O’Ryan en Gómez is een belangrijke vooruitgang. Door AnomalyMatch toe te passen op het Hubble Legacy Archive, voerden ze de eerste systematische zoektocht naar astrofysische anomalieën uit in de gehele dataset. Nadat het algoritme waarschijnlijke kandidaten had aangewezen, beoordeelden de onderzoekers handmatig de best beoordeelde bronnen en bevestigden ze meer dan 1.300 als echte anomalieën.
Meer informatie over de kosmische afwijkingen in het Hubble archief is te vinden in het vakartikel van David O’Ryan et al, Identifying astrophysical anomalies in 99.6 million source cutouts from the Hubble legacy archive using AnomalyMatch, Astronomy & Astrophysics (2025).
Bron: Phys.org.
Speak Your Mind