編譯：chux
出品：ATYUN訂閱號
西澳大利亞大學的研究人員開發了一種深度學習系統，可以識別太空中的星系。這個名爲ClaRAN的系統可以掃描射電望遠鏡拍攝的圖像，並發現從黑洞發射強大射電噴流的射電星系。
來自西澳大利亞大學的天文學家Ivy Wong博士和該研究的作者表示，在大多數星系的中心都會發現黑洞，“這些超大質量的黑洞偶爾可以用射電望遠鏡拍攝噴氣式飛機，隨着時間的推移，噴氣式飛機可以從它們的主星系延伸很長的路程，這使得傳統的計算機程序很難弄清星系的位置。這就是我們要教ClaRAN做的事情。“
這項工作使用基於快速區域的卷積神經網絡（更快的R-CNN），由微軟和Facebook研究人員的研究開發爲基礎。該團隊表示，該計劃經過徹底改革和訓練，可以識別星系而不是人。
ClaRAN觀察了超過500個不同角度的射電星系數據視圖，並進行檢測和分類。在掃描了不同的視圖後，ClaRAN還考慮了紅外望遠鏡的數據來改進其預測，給出了射電星系噴射系統的最終檢測和分類結果。
團隊使用NVIDIA Tesla GPU和cuDNN -accelerated TensorFlow深度學習框架，通過上千種世界座標系對齊的射電和紅外線圖像訓練卷積神經網絡。然後神經網絡將它們分爲六個形態類別之一。
Wong博士表示，傳統的計算機算法可識別大約90％的來源。“由於其擴展結構的複雜性，仍有10％或700萬難以識別的星系必須被人類所關注。如果ClaRAN將需要視覺分類的光源數量減少到百分之一，這意味着我們有更多的時間來觀察新星系。”
通過結合不同望遠鏡的數據，ClaRAN在其檢測和分類中的置信度水平得以提高。如檢測框上方的數字所示，1.00的置信度表示ClaRAN非常確信所檢測到的源是一個射電星系噴射系統，並且已經正確地對其進行了分類。左邊是一個射電星系噴射系統，ClaRAN只用射電望遠鏡的數據就能探測到。ClaRAN不確定它在這裏看到了什麼，給出了兩個預測，一個覆蓋整個系統，爲0.53的低置信度，一個覆蓋頂級噴射，只有0.67的置信度。右邊是同一個星系，但紅外望遠鏡數據重疊。隨着紅外望遠鏡數據的加入，ClaRAN對檢測的信心增加到最高值1.0，而ClaRAN現在將整個系統包含在其唯一的預測中。
代碼：github.com/chenwuperth/rgz_rcnn
論文：academic.oup.com/mnras/article/482/1/1211/5142869