(C) unter Verwendung eines Motivs von Andrei Suslov / 123RF.com

Das Hubble Weltraumteleskop fotografiert seit 35 Jahren das All und hat dabei einen riesigen Datenschatz angehäuft – aber Wissenschaftler kommen mit der Durchforstung der Bilder nicht mehr nach. Nun haben zwei ESA-Forscher ein KI-Modell trainiert, das Millionen Bildausschnitte in einem Bruchteil der Zeit ausgewertet hat, die Menschen bräuchten.

Das KI-Modell fand dabei 100 Millionen Ausschnitten 1400 Anomalien, von denen 800 nie zuvor dokumentiert worden waren. Dabei geht es um kollidierende Galaxien, Gravitationslinsen, oder Ringgalaxien von herausragendem wissenschaftlichen Interesse. Diese Arbeit hätten menschliche Wissenschaftler mit diesem Grad an Detailgenauigkeit niemals leisten können. Selbst Projekte, in denen eine große Zahl wissenschaftlicher Laien etwa bei der Klassifizierung von Galaxien helfen, wären den Daten nicht Herr geworden.

Nun hat das KI-Modell namens AnomalyMatch die Daten mithilfe eines neuronalen Netzes durchsucht, das auf die Erkennung von Ausnahmen trainiert war und in nur zweieinhalb Tagen eine Liste der gefundenen Anomalien lieferte. Die Fundstellen wurden anschließend noch einmal von menschlichen Experten begutachtet.

(C) NASA/ESA

Die meisten Anomalien waren Galaxien, die sich gerade vereinigten oder miteinander interagierten und dabei ungewöhnliche Formen annahmen oder lange Schweife aus Sternen und Gas hinter sich herzogen. Viele andere waren Gravitationslinsen, bei denen die Schwerkraft einer Vordergrundgalaxie die Raumzeit krümmt und das Licht einer entfernten Hintergrundgalaxie zu einem Kreis oder Bogen verzerrt. Das Team entdeckte auch Beispiele für mehrere andere seltene Objekte, wie Galaxien mit riesigen Sternhaufen, Quallengalaxien mit gasförmigen „Tentakeln“ und Planetenentstehungsscheiben, die von der Seite betrachtet ein schmetterlingsähnliches Aussehen zeigten. Am faszinierendsten waren vielleicht mehrere Dutzend Objekte, die sich einer Klassifizierung völlig entzogen.

“Dies ist eine fantastische Anwendung von KI zur Maximierung der wissenschaftlichen Ergebnisse des Hubble-Archivs”, sagt Pablo Gómez, Mitautor der zugehörigen Studie. “Es ist ein großartiges Ergebnis, dass in den Hubble-Daten so viele neue anomale Objekte gefunden wurden, obwohl man erwarten könnte, dass viele davon bereits entdeckt worden sind. Es zeigt auch, wie nützlich dieses Tool für andere große Datensätze sein wird.”