Publicat el catàleg de classificació morfològica de galàxies més gran fins al moment

L’equip científic ha utilitzat intel·ligència artificial —específicament, un algorisme d’aprenentatge automàtic amb una precisió del 97 %— per separar les galàxies en dos tipus morfològics, fins i tot les dèbils i distants.

Un estudi liderat per la Universitat de Pennsilvània (UPENN) i l’Institut de Física de Cantàbria (UC-CSIC) ha creat el catàleg més gran de classificació morfològica de galàxies fins al moment, que inclou 27 milions de galàxies. La investigadora de l’Institut d’Estudis Espacials de Catalunya (IEEC) a l’Institut de Ciències de l’Espai (ICE, CSIC) Helena Domínguez Sánchez és la segona autora d’aquesta investigació, publicada recentment a la revista Monthly Notices of the Royal Astronomical Society.

Els investigadors van utilitzar intel·ligència artificial (IA), específicament, un algorisme d’aprenentatge automàtic amb una precisió del 97 %, per a aprendre a separar les galàxies en tipus morfològics, fins i tot les dèbils i distants. Per dur a terme la classificació, l'equip va utilitzar les dades de Dark Energy Survey (DES) —un catàleg que ha classificat centenars de milions de galàxies distants durant sis anys—.

Imatges originals (panells més a l'esquerra) d'una galàxia espiral (superior) i una el·líptica (inferior) i les seves versions degradades, que s'utilitzen per a entrenar la xarxa neuronal convolucional. Per a les galàxies més llunyanes (panells més a la dreta) és difícil distingir les dues classes a ull nu. Crèdit: J. Vega-Ferrero et al.

La morfologia de les galàxies està estretament relacionada amb el tipus d’estrelles de les quals estan constituïdes i els seus mecanismes de formació. Aquest catàleg inclou dos tipus morfològics principals: les galàxies espirals, amb un disc giratori on neixen noves estrelles; i les galàxies el·líptiques, les galàxies més massives de l’Univers, compostes d’estrelles velles i dominades per moviments aleatoris.

És fàcil distingir aquests dos tipus de galàxies amb un cop d'ull. Tot i això, la classificació morfològica de les galàxies s’enfronta a dos problemes principals: en primer lloc, l’enorme nombre de galàxies a classificar obliga a fer servir classificacions automatitzades i, en segon lloc, el fet que les galàxies llunyanes tinguin un aspecte més feble i més petit, cosa que normalment fa que les imatges siguin molt sorolloses.

Els investigadors van degradar imatges d'alta qualitat de galàxies locals per donar-los l'aspecte que tindrien si estiguessin a distàncies més grans i van utilitzar les etiquetes adequades per a entrenar una xarxa neuronal convolucional (CNN, per les seves sigles en anglès). Aquest tipus de xarxa neuronal és un algorisme d'aprenentatge profund capaç de capturar una imatge d'entrada i assignar una etiqueta a diferents característiques d'aquesta per distingir-les entre elles. Segons l'estudi, l'algorisme que endevina la morfologia galàctica és correcte fins a en un 97 % dels casos, independentment del soroll i la resolució espacial de les imatges.

Aquest estudi demostra que les màquines són capaces d’identificar característiques que romanen ocultes a l’ull humà i de separar el senyal útil del soroll quan s’entrenen amb les etiquetes correctes, fins i tot en els casos més difícils.

L’ús de les CNN ha demostrat donar un exitós resultat per analitzar i classificar imatges de galàxies, i ha permès als investigadors realitzar una classificació de 27 milions d’elles i produir el catàleg de galàxies morfològiques més gran publicat fins al moment.

Algunes de les galàxies incloses en el catàleg es troben a una distància de fins a 8 gigaanys (Ga), és a dir, 8000 milions d'anys. Aquest catàleg permet obtenir una imatge aproximada de com eren les galàxies quan l'Univers tenia la meitat de la seva edat actual, estudiar com han canviat i observar com aquests canvis estructurals es relacionen amb els seus camins evolutius durant els últims 8 Ga.

El reconeixement automàtic de patrons en dades amb soroll i difícils d'interpretar pot tenir aplicacions directes en altres camps, com la seguretat (per exemple, reconeixement facial), la indústria del reconeixement d'imatges, els diagnòstics clínics o el canvi climàtic.

Enllaços

– IEEC
– ICE
– DES
 
Més informació

Aquesta recerca es presenta en un article titulat «Pushing automated morphological classifications to their limits with the Dark Energy Survey», de J. Vega-Ferrero, H. Domínguez Sánchez, et al., que va aparèixer a la revista Monthly Notices of the Royal Astronomical Society el 2 de març de 2021.

L’Institut d’Estudis Espacials de Catalunya (IEEC) promou i coordina la recerca i el desenvolupament tecnològic espacial a Catalunya en benefici de la societat. L’IEEC fomenta les col·laboracions tant a nivell local com mundial, i és un eficient agent de transferència de coneixement, innovació i tecnologia.  Com a resultat de 25 anys de recerca d’alta qualitat, duta a terme en col·laboració amb les principals organitzacions internacionals, l’IEEC es troba entre els millors centres d’investigació internacionals centrats en àrees com: l’astrofísica, la cosmologia, les ciències planetàries i l’observació de la Terra. La divisió d’enginyeria de l’IEEC desenvolupa instrumentació per a projectes terrestres i espacials, i té una àmplia experiència treballant amb organitzacions privades i públiques del sector aeroespacial així com altres sectors d’innovació.   

L’IEEC és una fundació privada sense ànim de lucre regida per un Patronat compost per la Generalitat de Catalunya i unes altres quatre institucions amb una unitat científica cadascuna, que en conjunt constitueixen el nucli de l’activitat d’I+D de l’IEEC: la Universitat de Barcelona (UB) amb la unitat científica ICCUB – Institut de Ciències del Cosmos; la Universitat Autònoma de Barcelona (UAB) amb la unitat científica CERES – Centre d’Estudis i Recerca Espacials; la Universitat Politècnica de Catalunya (UPC) amb la unitat científica CTE – Grup de Recerca en Ciències i Tecnologies de l’Espai; i el Consejo Superior de Investigaciones Científicas (CSIC) amb la unitat científica ICE – Institut de Ciències de l’Espai. L’IEEC és un centre CERCA (Centres de Recerca de Catalunya).

Imatge

PR_Image1.jpg
Caption: Foto genèrica d’una galàxia nana. 
Credit: NASA's Goddard Space Flight Center/Jenny Hottle

Contactes

Oficina de Comunicació de l'IEEC
Barcelona, Espanya
Ana Montaner i Rosa Rodríguez
Correu electrònic: comunicacio@ieec.cat 

Autor Principal a l’IEEC
Barcelona, Espanya
Helena Domínguez Sánchez
Institut d’Estudis Espacials de Catalunya (IEEC) 
Institut de Ciències de l’Espai (ICE, CSIC)
Correu electrònic: hdominguez@ieec.cat; dominguez@ice.csic.es