Складывая пазл Вселенной, астрономы привыкли, что каждая новая деталь должна точно ложиться в уже сложенную картину. Но иногда попадаются кусочки, которые словно вырезаны из другой головоломки. Двадцать тысяч активных ядер галактик — и одиннадцать процентов из них нейросеть уверенно отбрасывает как чужеродные. Что это: редкие звери галактического зоопарка или обманки инструментов?

Три с половиной года телескоп VST нанизывал снимки участка неба в созвездии Секстанта, собирая фотометрические кривые блеска — графики дрожания света от далёких источников. За этим мерцанием прячется физика: чёрная дыра, её аккреционный диск, пылевые облака. Но как отличить редкое космическое событие от просто плохого снимка? На помощь приходит автоэнкодер — нейросеть, которая учится сжимать типичные данные в компактный код и затем восстанавливать их обратно. Нестандартный объект она воссоздаст с заметными промахами. Величина этого промаха и служит флажком аномалии.

Автоэнкодер работал не с сырыми наблюдениями, а с 37 признаками — размеренными характеристиками переменности, цвета, амплитудами. Так астрофизики встроили свои знания прямо в нейронную сеть. Порог аномальности установили по 95-й процентили ошибки: всё, что восстанавливается хуже, чем 95% выборки, попало в подозрительные. Из 20 647 источников таких набралось 272 — 11,18%. Среди них абсолютно преобладали активные ядра (242 против 16 галактик и 14 звёзд), причем открытые ядра метились почти всегда (90,7%!), скрытые — втрое реже.

Но как узнать, какая аномалия вызвана реальной астрофизикой, а какая — артефактом наблюдений? Здесь вступает SHAP — метод, раскладывающий вклад каждого признака в итоговую оценку. Словно лупа, он показывает, какой именно уголок «пазлинки» выбивается из общей картины. Для аномальных АЯГ главными виновниками оказались параметры переменности: избыточная дисперсия, амплитуда случайного блуждания. Для галактик и звёзд аномальность диктовали совсем другие признаки. Это позволило отделить физически интересные случаи (необычная структура пылевого тора, промежуточный тип ядра) от сбоев измерительной методики.

Впереди — эпоха LSST, когда вал фотометрических данных захлестнёт астрономию. Без автоматических детекторов не обойтись. Эта работа показала, что автоэнкодеры с объяснимым ИИ могут стать не просто фильтрами, а осмысленными инструментами для поиска редчайших стадий галактической эволюции. Следующий шаг — тестирование на синтетических кривых блеска и добавление контекстной информации, например красного смещения и морфологии галактик. Теперь у астрономов есть инструмент, который не просто отбраковывает лишние детали, а подсвечивает пазл, готовый сложиться в неожиданную картину.