ИИ нашёл 81 новых кандидатов на сильное искривление света

Кратко

Авторы проанализировали 3,7 млн ярких галактик на снимках обзора KiDS. Система, которая училась по самим данным и постепенно выбирала наиболее полезные для проверки объекты, помогла отобрать качественных кандидатов на сильное гравитационное линзирование. После проверки 3 000 объектов экспертами и расширения списка по сходству признаков всего получили 140 кандидатов; 81 из них раньше не были известны. Это именно кандидаты, а не подтверждённые системы.

Почему это важно

Такой подход позволяет искать редкие случаи сильного искривления света без заранее смоделированных примеров. Он может дополнить привычные методы и помочь будущим обзорам неба находить более разнообразные объекты.

Разбор

Раньше такие поисковые системы обычно обучали на искусственно созданных примерах линз. Это удобно, но может незаметно сузить поиск: алгоритм начинает искать только те формы, которые исследователи заранее смогли смоделировать. Здесь использовали другой путь — систему Astronomaly:PROTEGE, где алгоритм не получает готовый каталог искусственных линз, а учится замечать необычные особенности на реальных снимках.

Сначала нейросеть превратила изображения галактик в набор числовых признаков — своего рода карту сходств между объектами. Затем алгоритм после каждого раунда показывал экспертам не случайные снимки, а те, которые могли сильнее всего улучшить поиск. Мнения экспертов возвращались в систему, и она выбирала следующую порцию объектов для проверки. Так специалисты просмотрели 3 000 изображений в несколько раундов и нашли 34 особенно убедительных кандидата.

После этого авторы расширили список: они искали объекты, похожие на найденные, в той же карте признаков. Такой шаг помог обнаружить много менее очевидных систем, которые не попали бы в ручную проверку сразу. В итоге получилось 140 кандидатов высокой и средней уверенности, а ещё более 1 000 объектов отнесли к менее надёжной категории. Среди качественных кандидатов алгоритм вернул примерно 22% уже известных линз KiDS — то есть метод не просто находил странные объекты, но и частично воспроизводил прежние результаты.

Ключевые цифры

3 000 объектовСтолько изображений реально просмотрели эксперты, чтобы направить обучение системы, а не проверять весь многомиллионный каталог вручную.

34 кандидатаИменно столько убедительных кандидатов система нашла непосредственно в ходе раундов экспертной проверки.

более 1 000 объектовСтолько дополнительных, но менее надёжных систем нашли при расширении списка по сходству изображений; их ещё особенно важно проверять.

22%Такую долю ранее известных качественных линз система смогла найти снова — это показывает, насколько метод согласуется с уже имеющимися находками.

Можно ли доверять

Статья прошла рецензирование в MNRAS, а поиск провели на 3,7 млн реальных галактик, что делает проверку серьёзной. Но все 140 объектов пока остаются кандидатами: абстракт не сообщает об окончательном подтверждении их природы, а метод восстановил лишь около 22% уже известных качественных линз.

Пересказано ИИ по научной статье. Как это устроено

Источник и детали

ЖурналMNRAS

Дата публикации у нас3 сентября 2026 г.

Дата источника2 сентября 2026 г.

DOI10.1093/mnras/stag1642

ОригиналОткрыть

АвторыMargherita Grespan, Aprajita Verma, Michelle Lochner, Koketso Mohale, Verlon Etsebeth, Duncan Bowden