作者蒂姆·斯蒂芬斯，加州大学圣克鲁斯分校 这张哈勃太空望远镜拍摄的哈勃遗产区域图像包括一个巨大的圆盘星系
学分:美国航天局/科技科学学院 加州大学圣克鲁斯分校的研究人员开发了一种强大的新计算机程序，名为Morpheus，它可以逐像素分析天文图像数据，以识别和分类天文学调查大数据集中的所有星系和恒星
Morpheus是一个深度学习框架，结合了为图像和语音识别等应用开发的各种人工智能技术
加州大学圣克鲁斯分校计算天体物理学研究小组负责人、天文学和天体物理学教授布兰特·罗伯逊说，天文学数据集的规模迅速扩大，使得天文学家传统上完成的一些任务实现自动化变得至关重要
他说:“有些事情我们作为人类根本做不到，所以我们必须想办法用计算机来处理未来几年从大型天文调查项目中获得的大量数据。”
罗伯逊和瑞安·豪森一起工作，他是UCSC巴斯金工程学院的计算机科学研究生，在过去两年里开发并测试了墨菲斯
随着他们的结果在5月12日的《天体物理学杂志增刊》上发表，豪森和罗伯逊也公开发布了墨菲斯密码，并提供在线演示
星系的形态，从像我们银河系这样的旋转圆盘星系到无定形的椭圆形和球形星系，可以告诉天文学家星系是如何随着时间的推移而形成和演化的
大规模的调查，如将在智利正在建设的薇拉·鲁宾天文台进行的空间和时间遗产调查(LSST)，将产生大量的图像数据，罗伯逊已参与规划如何利用这些数据来了解星系的形成和演变
LSST每晚将拍摄800多张全景照片，配有3
20亿像素的照相机，每周两次记录整个可见天空
“想象一下，如果你去找天文学家，让他们对数十亿个物体进行分类——他们怎么可能做到呢？罗伯逊说:“现在我们将能够自动对这些物体进行分类，并利用这些信息来了解星系的演化。”
哈勃遗留场图像中该区域的相应语素形态分类结果
信用:瑞安·豪森 其他天文学家已经使用深度学习技术对星系进行分类，但以前的努力通常涉及调整现有的图像识别算法，研究人员已经为这些算法提供了要分类的精选星系图像
豪森专门为天文图像数据从头构建了莫斐斯，该模型使用天文学家使用的标准数字文件格式的原始图像数据作为输入
罗伯逊说，像素级分类是墨菲斯的另一个重要优势
“对于其他模型，你必须知道那里有什么东西，并给模型输入图像，它会立刻对整个星系进行分类，”他说
“莫斐斯为你发现了星系，并且一个像素一个像素地做，所以它可以处理非常复杂的图像，在那里你可能在一个圆盘旁边有一个球体
对于具有中心凸起的盘，它将凸起分开分类
所以它非常强大
" 为了训练深度学习算法，研究人员使用了2015年的一项研究中的信息，在这项研究中，几十名天文学家在哈勃空间望远镜的CANDELS调查图像中对大约10000个星系进行了分类。
然后，他们将墨菲斯应用于哈勃遗留场的图像数据，该图像数据结合了几次哈勃深空探测的观测结果
当墨菲斯处理一幅天空区域的图像时，它会生成一组新的天空区域的图像，其中所有的物体都根据它们的形态进行了颜色编码，将天文物体与背景分开，并识别点源(恒星)和不同类型的星系
输出包括每个分类的置信水平
该程序运行在UCSC的lux超级计算机上，可以快速生成整个数据集的逐像素分析
“莫斐斯以目前不存在的粒度水平提供天文物体的探测和形态分类，”豪森说
“南方货物”的莫斐斯模型结果的交互式可视化已经公开发布，这是一项对数百万个星系进行成像的深空调查
这项工作得到了美国国家航空航天局和美国国家科学基金会的支持
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
