В юной Вселенной, около десяти миллиардов лет назад, галактики напоминали бескрайние поля после грозы: повсюду, вскипая, всходили гигантские — в тысячи световых лет — сгустки звездорождения, где молодые звёзды нарождались с безудержной энергией. Сегодня эти участки — почти исчезнувший вид: в окрестных галактиках буйные очаги встречаются редко. Чтобы распутать причины такого угасания, нужна статистика поистине космического масштаба — и тут на сцену выходит автоматический комбайн.

Механиком-водителем здесь стала нейросеть Faster R-CNN, надстроенная на фундамент Zoobot — модели, которая впитала миллионы внимательных классификаций галактик от волонтёров проекта Galaxy Zoo. Этот обученный «мозг» сканирует снимки сразу в шести фильтрах ugrizy (от ультрафиолета до ближнего инфракрасного), словно глядя на каждое поле через набор чувствительных окуляров. Чтобы натренировать детектор, в реальные кадры вживляли синтетические сгустки, рождённые численными симуляциями звёздного населения, и добивались безошибочного отделения «всходов» от фоновых галактик, звёзд-паразитов и цифровых артефактов.

Результат превзошёл ожидания: для объектов ярче 26-й величины в r-полосе полнота детектирования превысила 0.9, а чистота — 0.8. Прочесав 710 тысяч галактик с красным смещением до 0.5, комбайн насчитал почти полтора миллиона кандидатов. Эффективность немного падает вблизи центров галактик и для малоконтрастных структур, но остаётся стабильной в широком диапазоне масс и темпов звездообразования родительских систем. Самое любопытное: многоканальное зрение позволяет комбайну выискивать сгустки даже там, где человеческий глаз заметил бы лишь смутное пятно, — спасибо хитроумной нормализации яркости через гиперболический арксинус (см. формулу).

Теперь, располагая картой «урожайности» ближнего космоса, астрономы впервые могут напрямую сравнивать её с далёкой Вселенной эпохи космического полудня. Это верный компас на пути к разгадке того, как наращивали массу галактики и почему в них постепенно иссякало бурное звездорождение. Дальнейшие шаги — массовое фитирование спектральных распределений для оценки возрастов, металличности и масс; с приходом обзоров Euclid и LSST — разрешение субструктур и включение спектроскопии для измерения газовой динамики. Работа задаёт золотой стандарт автоматической морфологической классификации, превращая изучение звёздной эволюции и обогащения межзвёздной среды в точную статистическую науку.