KI-Revolution in der Astronomie: Über 1300 rätselhafte Objekte in Hubble-Archiven entdeckt

Mithilfe fortschrittlicher Werkzeuge auf Basis künstlicher Intelligenz haben Forscher die umfangreichen Archivdaten des Hubble-Weltraumteleskops systematisch durchleuchtet. Bei diesem großangelegten Scan wurden rund 100 Millionen Bildausschnitte aus dem Hubble Legacy Archive analysiert. Das beeindruckende Ergebnis dieser automatisierten Auswertung umfasst mehr als 1300 anomale Himmelsobjekte, wobei über 800 dieser Funde gänzlich neu sind und bisher in keiner wissenschaftlichen Publikation Erwähnung fanden.

Die über 35 Jahre hinweg gesammelten Beobachtungsdaten des Hubble-Teleskops stellen eine gewaltige Informationsmenge dar, die manuell kaum noch zu bewältigen ist. Vor diesem Hintergrund entwickelten David O'Ryan und Pablo Gomez von der Europäischen Weltraumorganisation (ESA) das neuronale Netzwerk „AnomalyMatch“. Dieses System wurde darauf trainiert, komplexe Muster ähnlich der visuellen Verarbeitung des menschlichen Gehirns zu erkennen, um seltene astronomische Phänomene aufzuspüren. Bemerkenswerterweise benötigte AnomalyMatch lediglich zweieinhalb Tage, um den gesamten Datensatz vollständig zu prozessieren.

Unter den identifizierten Anomalien befinden sich zahlreiche faszinierende Strukturen, darunter kollidierende Galaxien, sogenannte „Quallen-Galaxien“ mit charakteristischen Gastentakeln sowie Dutzende potenzielle Gravitationslinsen. Konkret konnten 417 Galaxien im Stadium der Verschmelzung oder Wechselwirkung sowie 86 neue Kandidaten für Gravitationslinsen dokumentiert werden. Letztere sind für die Wissenschaft von unschätzbarem Wert, da sie als natürliche Vergrößerungsgläser fungieren, die Verteilung dunkler Materie offenbaren und den Blick auf extrem weit entfernte Objekte im frühen Universum ermöglichen.

Zusätzlich stießen die Forscher auf Galaxien mit massiven Sternentstehungsgebieten sowie auf protoplanetare Scheiben, die in Kantenstellung beobachtet wurden. Ein Teil der entdeckten Objekte entzieht sich bisher jeder gängigen Klassifizierung, was die enorme Vielfalt der Hubble-Daten unterstreicht. Pablo Gomez von der ESA betonte in diesem Zusammenhang, dass die Rolle der KI primär darin bestehe, die menschlichen Fähigkeiten zu potenzieren. Die endgültige Bestätigung der Kandidaten erfolgte weiterhin durch eine sorgfältige manuelle Überprüfung durch das Forschungsteam. Die detaillierten Ergebnisse dieser Studie wurden in der Fachzeitschrift „Astronomy & Astrophysics“ veröffentlicht.

Der Erfolg von AnomalyMatch markiert einen Wendepunkt im Umgang mit den exponentiell wachsenden Datenmengen in der Astronomie. Das Tool soll künftig auch bei großflächigen Durchmusterungen neuer Observatorien zum Einsatz kommen. Hierzu zählen insbesondere die im Juli 2023 gestartete ESA-Mission „Euclid“ sowie das Nancy Grace Roman Space Telescope der NASA, dessen Start für Ende 2026 oder später geplant ist. Beide Missionen, Roman und Euclid, sollen eine neue Ära in der Erforschung der Dunklen Energie und der großräumigen Struktur unseres Kosmos einläuten.

Die Integration von maschinellem Lernen in die astrophysikalische Forschung ermöglicht es, verborgene Schätze in bereits existierenden Archiven zu heben, die über Jahrzehnte hinweg unentdeckt blieben. Durch die Kombination aus der Rechengeschwindigkeit von AnomalyMatch und der analytischen Präzision der ESA-Wissenschaftler wird deutlich, wie synergetische Effekte zwischen Mensch und Maschine die Grenzen unseres Wissens verschieben. Diese Entdeckungen bilden das Fundament für zukünftige Beobachtungskampagnen, die gezielt auf die nun katalogisierten Anomalien ausgerichtet werden können.