Глубокое обучение помогло идентифицировать «пузыри» Млечного Пути, связанные со взрывами сверхновых

Обнаруженные структуры позволят уточнить модели звездообразования

Чтобы глубже исследовать самые удалённые области нашей галактики и раскрыть загадки звёздообразования, учёные из Японии создали модель глубокого обучения. Команда под руководством специалистов из Университета Осаки применила искусственный интеллект для анализа огромных массивов данных, полученных космическими телескопами. В результате удалось обнаружить пузыреобразные структуры, ранее не включённые в астрономические базы данных.

Млечный Путь, как и другие галактики, содержит «пузыри» — структуры, формирующиеся в процессе рождения и активности массивных звёзд. Эти объекты, известные как «пузыри Спитцера», служат ключом к пониманию эволюции галактик и механизмов образования светил. Однако их поиск в огромных объёмах данных телескопов до сих пор требовал значительных временных затрат.

Студент магистратуры Университета Осаки Симпэй Нисимото и профессор Тошиказу Ониси совместно с коллегами из других японских институтов разработали модель, которая автоматизирует этот процесс. Используя данные инфракрасного телескопа «Спитцер» и новейшего космического телескопа «Джеймс Уэбб», алгоритм на основе технологий распознавания изображений смог не только идентифицировать «пузыри Спитцера», но и обнаружить оболочечные структуры, вероятно, связанные со взрывами сверхновых.

По словам профессора Ониси, разработанный подход открывает новые горизонты для астрономии: «Совершенствование ИИ-технологий в будущем ускорит понимание механизмов эволюции галактик и формирования звёзд. Возможно, мы сможем находить даже те структуры, которые оставались незамеченными десятилетиями».

Исследование стало ещё одним шагом к автоматизации анализа космических данных, что особенно важно в эпоху, когда телескопы нового поколения, такие как «Джеймс Уэбб», генерируют петабайты информации. Сочетание искусственного интеллекта с экспертной проверкой результатов позволит создавать более точные карты галактики и моделировать её динамику в ранее недоступных деталях.