Нейросеть YOLO-Chars автоматизирует поиск радиогалактик для телескопа SKA

Будущие радиотелескопы, включая строящийся Square Kilometre Array (SKA), будут генерировать объёмы данных, которые невозможно полностью проанализировать традиционными статистическими методами. В ответ на это группа исследователей разработала YOLO-Chars — двухэтапную систему глубокого обучения для автоматизированного поиска и описания радиоисточников на обзорных изображениях.

Первый этап использует модифицированные детекторы YOLO для локализации компактных и протяжённых объектов на больших картах неба. Второй этап — специализированная сеть, которая оценивает физические характеристики найденных галактик: плотность потока, угловой размер и позиционный угол.

Обучение и проверка проводились на наборе данных Square Kilometre Array Science Data Challenge 1 (SKA SDC1). Согласно аннотации, YOLO-Chars достигла конкурентоспособных результатов по обнаружению и характеризации на этом эталонном тесте.

Авторы подчёркивают, что их подход предназначен для масштабирования на обзоры следующего поколения, где ручная обработка станет невозможной. Система объединяет скорость детекции YOLO с точностью описания, что особенно важно для исследования эволюции радиогалактик и распределения крупномасштабной структуры Вселенной.

Представленная архитектура открывает путь к более широкому применению методов глубокого обучения в астрономии, где объёмы данных растут быстрее, чем возможности классических алгоритмов. Дальнейшее развитие YOLO-Chars может включать расширение набора определяемых параметров и адаптацию к другим инструментам, включая российские радиотелескопы.

Статья размещена в архиве препринтов arXiv, идентификатор 2608.21474. Работа носит исследовательский характер и пока не публиковалась в рецензируемом журнале.