Специалисты в области астрономии создали модель искусственного интеллекта, способную автономно идентифицировать нечастые типы объектов среди обширного массива данных, полученных космическим телескопом «Джеймс Уэбб». В число обнаруженных вошли удалённые галактики и известные как Little Red Dots – «маленькие красные точки». Важно отметить, что система не подвергалась предварительному обучению для распознавания этих конкретных типов объектов, а также ей не были предоставлены особые параметры поиска.

Разработанная модель получила наименование FM-JADES-v1. Для её обучения использовались сведения о 482 444 объектах из пятой версии каталога JWST Advanced Deep Extragalactic Survey (JADES). В процессе работы в модель поступали многодиапазонные изображения и данные фотометрического каталога одновременно.

Основное отличие данной методики заключается в возможности самообучения без предварительной классификации объектов. Вместо того чтобы давать алгоритму указания о местонахождении определённых типов галактик или других интересующих астрономов элементов, исследователи предоставили ему возможность самостоятельно находить взаимосвязи в имеющихся данных.

По завершении обучения каждый объект был представлен в виде математического набора характеристик, отражающих информацию об его изображении и фотометрических свойствах. При дальнейшем анализе полученного пространства признаков редкие популяции объектов начали формировать отдельные кластеры.

В число выявленных объектов вошли галактики с высоким красным смещением и так называемые «Маленькие красные точки». Важно отметить, что для их идентификации системе не потребовалось предварительной маркировки этих популяций или специально разработанных астрономами критериев отбора.

Особый интерес вызвали результаты, касающиеся «маленьких красных точек» — компактных объектов с красным смещением, зафиксированных телескопом «Джеймс Уэбб» в ранней Вселенной. Их природа на данный момент остаётся предметом изучения: предполагается, что значительная часть этих источников может быть связана с активно растущими чёрными дырами, однако полное объяснение свойств всей популяции требует дальнейших исследований.

Также было проверено, способно ли полученное ИИ представление объектов помочь в определении фотометрического красного смещения — метода, позволяющего приблизительно оценивать расстояния до огромного количества галактик без проведения спектрального анализа каждой из них.

В ходе контролируемого теста использовались данные только по трем диапазонам телескопа JWST: F115W, F200W и F356W. Достигнутое значение ошибки σNMAD составило 0,157. Применение традиционного метода подгонки спектральных шаблонов в аналогичном тесте дало σNMAD = 0,44. Уменьшение этого показателя свидетельствует о повышении точности оценки красного смещения.

Представленные данные свидетельствуют о том, что подобные модели могут выйти за рамки автоматической классификации уже идентифицированных объектов. Они обладают потенциалом функционирования в качестве инструмента обнаружения аномалий, позволяющего выявлять нетипичные совокупности источников, которые ранее не были предсказаны исследователями.

Эта возможность приобретает особую значимость на фоне постоянно растущего объема астрономических наблюдений. Телескоп имени Джеймса Уэбба (JWST) генерирует обширные каталоги данных, а перспективные и действующие крупные обзоры, такие как космический телескоп Нэнси Грейс Роман, Euclid и обсерватория Vera C. Rubin, предоставят информацию о миллионах и миллиардах астрономических объектов. Традиционный ручной поиск редких объектов в таких массивах данных становится практически невыполнимой задачей.

Авторы предполагают, что самообучающиеся модели смогут формировать универсальное пространство для поиска необычных популяций, после чего наиболее перспективные кандидаты могут быть подвергнуты детальному изучению с использованием общепринятых астрономических методов.

Важно отметить, что FM-JADES-v1 не осуществляет автономные астрономические открытия и не определяет физическую природу обнаруженных объектов. Модель позволяет выявлять необычные структуры и группы в данных, однако интерпретация этих структур и подтверждение открытий по-прежнему остаются ответственностью исследователей. Тем не менее, подобный подход способен существенно трансформировать процесс поиска редких объектов: вместо формулирования конкретного запроса «найди объекты такого типа» искусственный интеллект можно использовать для выявления всего, что выделяется на фоне общей картины Вселенной.

Исследование представлено в виде препринта на arXiv.