Как скульптор по теням: нейросеть расшифровывает космические линзы по четырём точкам ✛ ✎

Оригинал: "Speeding up Gravitational Lens Mass Models with Machine Learning: Applications in X-ray Astronomy"
arXiv:2607.22812v1 · 2026-07-24 · arXiv non-exclusive · собственный разбор · 1 мин
Всего по четырём координатам изображений нейросеть за секунды восстанавливает форму гравитационной линзы, ускоряя изучение далёких галактик.

Четыре точки на небе — это один и тот же квазар. Его свет искривила гравитационная линза — массивная галактика на луче зрения. По форме этих изображений, как скульптор по теням, можно восстановить, как именно распределена невидимая масса линзы. Но раньше на это уходили дни ручных расчётов.

Нейросеть, обученная на миллионах примеров, теперь справляется за минуты. Ей не нужны снимки — только координаты четырёх изображений. Она предсказывает, насколько линза сплюснута и какова её общая масса. Так скульптор по нескольким теням угадывает кривизну стекла.

Точность попадания — 0,5 миллисекунды дуги. Примерно как с Земли разглядеть футбольный мяч на Луне.

Метод уже проверили на реальных квазарах. Теперь астрономы смогут быстро обрабатывать тысячи новых систем и искать уникальные объекты — двойные чёрные дыры, потоки вещества, подсказки о тёмной материи и гравитационных волнах.

Обе нейросети ни разу не видели реальных изображений во время обучения: их тренировали на синтетических данных, но на настоящих квазарах они сработали так же надёжно, словно учились на реальных снимках.

Учёные
Fritz ZwickyAndrey Markov
Понятия
моделирование гравитационного линзирования картирование галактик нейронной сетью большие языковые модели языковая модель белков микролинзирование искусственный интеллект в медицинской визуализации гравитационное линзирование нейронные сети в пространственном картировании машинное обучение глубокое обучение в медицинской визуализации обобщение астрофизика с ИИ мазер параметр классификация изображений xgboost обучающие данные методы обнаружения тёмной материи космическая лестница расстояний XRISM