Нейросеть ускорила анализ истории звездообразования галактик в 20 тысяч раз

Международная команда астрономов представила новый инструмент для анализа эволюции галактик. С помощью сверточной нейросети (CNN) ученые научились быстро и точно восстанавливать детальные истории звездообразования (SFH) и зависимости возраст–металличность по наблюдательным данным.

Традиционные методы полного спектрального фитирования требуют огромных вычислительных ресурсов и часто страдают от вырожденности решений. Новая модель сочетает сверточные слои, механизмы внимания и общее латентное пространство, что позволяет одновременно обрабатывать спектроскопические данные инструмента MUSE на телескопе VLT и фотометрию в пяти фильтрах с космического телескопа Hubble (программа PHANGS).

Обучение проводилось на массиве из 165 тысяч синтетических спектров и фотометрических измерений, охватывающих широкий диапазон форм SFH, эволюции металличности, пылевого поглощения и уровней шума, характерных для реальных наблюдений. Нейросеть продемонстрировала высокую точность: средневзвешенные по светимости и массе возрасты и металличности восстанавливаются практически без смещения, с разбросом около 0.12 dex по возрасту и 0.03 dex по металличности.

Применение к реальным данным PHANGS-MUSE и PHANGS-HST для галактики NGC 3627 дало гладкие, пространственно согласованные карты звездного возраста и металличности. На них четко видны молодые звездные населения, выстилающие спиральные рукава и области звездообразования, что подтверждает физическую состоятельность результатов.

Главное преимущество новой методики – скорость. Нейросеть работает в 5 000–20 000 раз быстрее традиционных кодов полного спектрального фитирования. Это открывает возможность обрабатывать огромные массивы данных будущих обзоров, таких как MOONS, 4MOST или JWST, где полный спектральный анализ каждого объекта займет слишком много времени.

Разработка, представленная на arXiv, станет мощным инструментом для исследования эволюции галактик в рамках проекта PHANGS и других крупных спектро-фотометрических съемок. Она позволяет эффективно извлекать информацию о возрасте и химическом составе звездных населений, что критически важно для понимания формирования и развития галактик.