Astronomiska bildarkiv rymmer enorma mängder outforskade data, där sällsynta och objekt utöver det normala, kan gömma sig. De är potentiellt vetenskapligt värdefulla, men för astronomer skulle det ta alltför mycket tid och kraft att gå igenom alla bilder. Lite som att försöka hitta en kosmisk nål i en höstack så stor som universum.
Därför utvecklade forskarna David O'Ryan och Pablo Gómez från den europeiska rymdorganisationen ESA ett neuralt AI-verktyg som är inspirerat av hur hjärnan känner igen mönster. Verktyget AnomalyMatch är tränat på Hubblebilder för att hitta ovanliga objekt, så kallade astronomiska anomalier, som sticker ut i materialet.
Hubbleteleskopet har gjort mer än 1,7 miljoner observationer sedan det skickades upp i omloppsbana 1990. För första gången har nu dess arkivmaterial undersökts systematiskt. AI:n sökte igenom nästan 100 miljoner små bildklipp från hela Hubbles arkiv i jakt på avvikande objekt. Det tog bara två och en halv dag, vilket är en bråkdel av den tid det skulle ta för en människa att granska materialet.
Resultatet blev en rangordning av vilka bilder som mest sannolikt innehöll avvikande objekt, men för att identifiera sällsynta objekt krävs fortfarande att en expert går igenom resultatet. Det ledde till att David O'Ryan och Pablo Gómez hittade nästan 1400 verkliga anomalier, varav över 800 aldrig tidigare hade dokumenterats i den vetenskapliga litteraturen.
De flesta av de astronomiska anomalierna var galaxer som var på väg att interagera eller smälta samman, ofta med ovanliga former eller långa svansar av stjärnor och gas. Andra var gravitationslinser, där gravitationen från en galax böjer rumtiden och kröker ljuset från en avlägsen galax i bakgrunden till en båge eller nästan en cirkel. Forskarna hittade också andra sällsynta fynd, som galaxer med enorma stjärnkluster, manetgalaxer med gasiga ”tentakler”, och planetbildande skivor sedda från sidan (som ibland ser ut som en hamburgare eller fjäril).
