Использование искусственных нейронных сетей для анализа астрономических данных и обнаружения закономерностей или аномалий.Нейронные сети стали краеугольным камнем современной астрофизики, выступая в роли мощных инструментов распознавания образов, которые просеивают огромные массивы данных с телескопов и детекторов. Они используются для выявления слабых сигналов, скрытых в шуме, классификации небесных объектов и даже картирования невидимых компонентов, таких как тёмная материя. Названия работ в корпусе подчёркивают их универсальность: от очистки звёздного шума при поиске экзопланет до расшифровки химического состава звёзд за считанные секунды, а также от картирования гравитационного линзирования до интерпретации сигналов гравитационных волн.
Применение нейронных сетей в астрономии началось в 1990-х годах, но их широкое распространение ускорилось в 2010-х с развитием глубокого обучения и увеличением объёмов данных. Конкретные методы сильно различаются, поэтому нельзя назвать единого изобретателя.
Нейронная сеть обучается на размеченных примерах — например, на смоделированных или известных сигналах — чтобы выучить статистические признаки, отличающие реальное событие от шума. После обучения она может быстро обрабатывать новые данные, выявляя аномалии или извлекая параметры. В астрофизике для этого часто используются свёрточные или рекуррентные архитектуры, работающие с изображениями или временными рядами, а обучающие данные могут поступать из физических моделей, что делает сеть быстрым заменителем дорогостоящих симуляций.
Нейронные сети используются в системах обнаружения гравитационных волн в реальном времени, при проверке кандидатов в экзопланеты, а также для автоматической классификации галактик и сверхновых в крупных обзорах неба.
Некоторые нейронные сети, используемые в астрофизике, обучаются на смоделированных данных, сгенерированных суперкомпьютерами, что позволяет им распознавать закономерности, которые никогда не наблюдались напрямую.
