Sterrenstelsels in kaart brengen met  machine learning

Telescopen leveren beelden waarop een enorme hoeveelheid sterrenstelsels te zien is. Zelfs een doorgewinterde astronoom heeft veel tijd nodig om de zwakkere stelsels te herkennen tussen de grotere en meeste heldere exemplaren. Wat als we dit herkenningsproces zouden automatiseren met technieken uit de informatica? Hoogleraar Reynier Peletier, werkzaam aan de Faculteit Science and Engineering van de Rijksuniversiteit Groningen (RUG), leidt in het SUNDIAL-project een unieke samenwerking waarbij de expertise van astronomen samen wordt gebracht met die van computerwetenschappers.  

Peletier heeft samen met collega-onderzoekers beelden verzameld van het sterrenstelselcluster Fornax. Deze beelden, de zogenoemde Fornax Deep Survey, hebben zij opgenomen met een telescoop in Chili gedurende veertig nachten verspreid over vier jaar. Voor leken lijken de beelden niets meer dan vage kringen en stippen, maar astronomen classificeren hiermee de evolutie van een ster door te kijken naar de kleur, vorm, omvang en schaalverhoudingen. Peletier: ’Met de ervaring die wij hebben lukt het ons om iets te vertellen over de sterrenstelsels op dit grote beeld. Maar ze zijn lastig te zien en het kost veel tijd. Om deze reden is het idee ontstaan om met de kennis van computerwetenschappers de sterrenstelsels automatisch in kaart te brengen.‘

SUNDIAL-project
Het SUNDIAL-project is een interdisciplinair netwerk bestaande uit negen universiteiten en vijf bedrijven uit heel Europa. In het project werken astronomen en computerwetenschappers samen aan een automatisch classificeersysteem voor sterrenstelsels. ‘De computerwetenschappers ontwikkelen technieken waardoor het systeem zelf leert een sterrenstelsel te herkennen en te classificeren. De astronomen leren het systeem hoe het de evolutie van een bepaald type sterrenstelsel op een juiste manier interpreteert. Vervolgens is het computersysteem in staat om een zelfde soort stelsel zelf te herkennen. Zo’n systeem is essentieel gezien de grootte van de hedendaagse surveys. Het classificeren hiervan is zonder automatisering niet meer te doen’, aldus Peletier.

Opleiding tot datawetenschapper
Een essentieel onderdeel van het SUNDIAL-project is PhD-studenten opleiden tot datawetenschappers. Er zijn inmiddels veertien PhD-studenten aangenomen, verspreid over verschillende universiteiten in Europa. Tijdens dit traject worden zij klaargestoomd om zowel expertise te krijgen van de astronomie als van de computerwetenschappen. Peletier legt uit: ’Binnen tien jaar zijn camera’s in staat om in één nacht de gehele hemel in beeld te brengen met dezelfde resolutie als we nu hebben voor de Fornax Deep Survey. Het gaat hierbij om zulke grote datasets dat astronomen wel in staat moeten zijn om met deze datasets te werken. Zonder datawetenschappers in de astronomie houden we de techniek niet bij. Ze zijn dan ook erg gewild door zowel universiteiten als bedrijven.’

Meerdere toepassingen
Behalve in de astronomie zijn de technieken die worden ontwikkeld ook bruikbaar voor commerciële toepassingen. Het herkennen van patronen zou bijvoorbeeld gebruikt kunnen worden voor beeldbewerking, beveiligingstoepassingen of medische toepassingen. Peletier: ‘Wij willen met de  technieken zwakke sterrenstelsels herkennen. Maar het zou ook goed mogelijk zijn om slecht zichtbare huidafwijkingen te detecteren met dezelfde technieken. Zo zou men in de toekomst in een vroeg stadium al een vorm van huidkanker kunnen herkennen.’