🤖 ИИ выявил 1300 аномалий в архивах телескопа Хаббл

Уже более тридцати лет космический телескоп «Хаббл» снимает изображения Вселенной, накопив значительный объем данных. Столкнувшись с таким изобилием, ученые столкнулись с суровой реальностью: человеческой невозможностью проанализировать все эти фотографии, каждая из которых тем не менее могла бы содержать открытие.

Столкнувшись с этой горой информации, исследователи Европейского космического агентства разработали модель искусственного интеллекта под названием AnomalyMatch. Этот инструмент, предназначенный для просмотра архивов Хаббла, автоматически сканирует изображения по исследовать необычные элементы, имитирующие то, как наш мозг обрабатывает визуальную информацию.

Анализ почти 100 миллионов изображений выявил более 1300 аномалий, сотни из которых ранее никогда не были документированы. Эти объекты имеют уникальный внешний вид, выходящий за рамки обычных категорий. Эта лавина открытий, сделанная всего за три дня обработки, демонстрирует эффективность метода при работе с огромным объемом данных.

Среди находок мы отмечаем слияние галактик с массивными звездообразующими скоплениями, медузоподобные структуры с газовыми «щупальцами» или даже диски, образующие планеты, видимые с ребра в нашей собственной галактике.

Принцип работы AnomalyMatch основан на изучении нормальных визуальных моделей, что позволяет выявлять отклонения. Такой систематический подход является первым в архивах Хаббла, охватывающих 35 лет наблюдений. Это открывает путь к более глубоким исследованиям, не требуя чрезмерного человеческого времени.

Руководители проекта говорят, что эта инициатива показывает, как искусственный интеллект может значительно увеличить научную продуктивность. Это также показывает потенциал астрономических архивов для будущих открытий, особенно в рамках крупных наблюдательных кампаний.

Этот прогресс описан в статье, опубликованной в Астрономия и астрофизика в декабре 2025 года.

Как работает распознавание образов ИИ

Используемый здесь искусственный интеллект опирается на нейронные сети, предназначенные для анализа изображений. Эти системы обучаются на больших наборах уже проанализированных данных и учатся различать обычные характеристики астрономических объектов. После обучения они смогут быстро сканировать новые изображения, чтобы обнаружить что-нибудь необычное. Этот метод имитирует определенные процессы в человеческом мозге, такие как обнаружение краев или текстур, но в гораздо большем масштабе и с гораздо большей скоростью. Он не требует явного программирования для каждого типа аномалий, что позволяет адаптировать его к различным областям.

Приложения выходят за рамки астрономии и могут использоваться в медицине для анализа.образы или безопасно для наблюдения. В случае с «Хабблом» это позволяет использовать старые данные для новых открытий без необходимости повторения наблюдений.

Значение архивных данных в науке

Научные архивы, подобные архивам Хаббла, являются ценным ресурсом, значение которого со временем растет. Они сохраняют наблюдения, сделанные в прошлом, позволяя проводить сравнения и повторный анализ с использованием более эффективных инструментов. Это позволяет избежать потери информации и максимизирует первоначальные инвестиции.

В пространственной сфере архивные данные охватывают длительные периоды, показывая медленные изменения или редкие события. Например, благодаря этим коллекциям становится возможным проследить за эволюцией галактики на протяжении десятилетий.

Доступ к этим архивам облегчается цифровыми платформами, способствующими международному сотрудничеству и открытой науке. Исследователи по всему миру могут использовать его для проверки новых идей или проверки теорий.