AI onthult meer dan 1300 mysterieuze objecten in de archieven van de Hubble-telescoop

Wetenschappers hebben een geavanceerd instrument op basis van kunstmatige intelligentie ingezet om de enorme hoeveelheid data van de Hubble-ruimtetelescoop systematisch te analyseren. Door gebruik te maken van een specifiek neuraal netwerk konden ongeveer 100 miljoen beelden uit het Hubble Legacy Archive razendsnel worden gescand op ongebruikelijke patronen. Deze grootschalige digitale zoektocht leidde tot de identificatie van meer dan 1300 afwijkende objecten, waarvan er ruim 800 nog nooit eerder in de wetenschappelijke literatuur waren beschreven.

De archieven van de Hubble-telescoop beslaan een indrukwekkende periode van meer dan 35 jaar, wat een astronomische hoeveelheid informatie oplevert die simpelweg te groot is om handmatig door mensen te worden verwerkt. Onder leiding van David O'Ryan en Pablo Gómez, beiden verbonden aan de Europese Ruimtevaartorganisatie (ESA), werd daarom het neurale netwerk 'AnomalyMatch' ontwikkeld. Dit systeem is getraind om complexe patronen te herkennen op een manier die de visuele verwerking van het menselijk brein nabootst, met als specifiek doel het opsporen van zeldzame kosmische verschijnselen. AnomalyMatch voltooide de analyse van deze gigantische dataset in de recordtijd van slechts tweeënhalve dag.

Onder de gevonden anomalieën bevinden zich diverse fascinerende fenomenen, zoals botsende sterrenstelsels en zogenaamde 'kwalstelsels' (jellyfish galaxies) die lange tentakels van gas achter zich aan slepen in de intergalactische ruimte. De onderzoekers bevestigden de aanwezigheid van 417 sterrenstelsels die zich in een actieve fase van interactie of versmelting bevinden. Daarnaast werden er 86 nieuwe potentiële zwaartekrachtlenzen ontdekt. Deze lenzen zijn van cruciaal wetenschappelijk belang, omdat ze astronomen in staat stellen de verdeling van donkere materie en de grootschalige structuur van het universum te bestuderen door het licht van verre objecten te buigen en te versterken.

De ontdekkingen hielden daar niet op; de AI identificeerde ook sterrenstelsels met massale gebieden waar nieuwe sterren worden gevormd en schijven waarin planeten ontstaan, gezien vanaf de zijkant. Enkele tientallen objecten konden door geen enkel bestaand classificatiesysteem worden gecategoriseerd, wat de enorme diversiteit en de onverwachte rijkdom van de Hubble-archieven benadrukt. ESA-wetenschapper Pablo Gómez merkte op dat de rol van kunstmatige intelligentie vooral ligt in het 'vermenigvuldigen' van menselijke vermogens, aangezien de uiteindelijke verificatie van de kandidaten nog steeds een handmatige analyse door het onderzoeksteam vereiste. De volledige studie over deze ontdekkingen is gepubliceerd in het wetenschappelijke tijdschrift 'Astronomy & Astrophysics'.

Het succes van AnomalyMatch markeert een fundamentele verschuiving in de aanpak van de exponentieel groeiende hoeveelheid astronomische gegevens. Dit instrument wordt nu al overwogen voor implementatie bij toekomstige grootschalige hemelsurveys die uitgevoerd zullen worden door nieuwe generaties observatoria. Hierbij valt te denken aan de Euclid-missie van de ESA, die in juli 2023 met succes werd gelanceerd, en de Nancy Grace Roman Space Telescope van NASA, waarvan de lancering momenteel gepland staat voor eind 2026 of later.

Zowel de Roman-telescoop als de Euclid-missie zijn ontworpen om een nieuw tijdperk in te luiden in het onderzoek naar donkere energie en de fundamentele opbouw van onze kosmos. Door de inzet van AI-technologieën zoals AnomalyMatch kunnen wetenschappers de enorme datastromen van deze nieuwe missies efficiënt filteren, waardoor de kans op baanbrekende ontdekkingen aanzienlijk wordt vergroot. Deze synergie tussen menselijke expertise en machine learning vormt de toekomst van de moderne astrofysica.