Auf dem Gebiet der Astrophysik bestimmen zwei primäre Beobachtungstechniken unser Verständnis des Kosmos: photometrische und spektroskopische Messungen. Die photometrische Bildgebung erfasst das gesamte Licht, das von Himmelsobjekten ausgesandt wird, und ermöglicht umfassende Himmelsdurchmusterungen, die eine große Anzahl von Galaxien erfassen. Die spektroskopische Analyse, die komplizierter und zeitaufwändiger ist, zerlegt das Licht in ein detailliertes „Regenbogen“-Spektrum, das wichtige Erkenntnisse über den Aufbau, die Geschwindigkeit und die Sternenpopulationen einer Galaxie liefert. Während photometrische Methoden einen breiten Überblick liefern, bieten spektroskopische Messungen ein tieferes Verständnis, allerdings nur für einen kleinen Teil der beobachteten Galaxien.
Eva Sextl und Lars Doorenbos, ein Informatiker an der Universität Bern, hatten die Idee mit Hilfe generativer künstlicher Intelligenz (GenKI) detaillierte optische Spektren von Galaxien aus ihren Bildern in verschiedenen Farben vorherzusagen. Obwohl ein Spektrum viel mehr Informationen enthält als ein einfaches Bild, funktioniert es: In einer Pilotstudie trainierten Eva Sextl und Lars Doorenbos ihren Algorithmus mit Bildern und Spektren des Sloan Digital Sky Survey (SDSS). Sie konnten zueigen, dass der Informationsgehalt der künstlich generierten Spektren grundsätzlich mit dem der realen Spektren im Test-Set identisch ist.
Als nächstes werden die beiden ihren GenKI-Algorithmus mit den kosmologischen Datenmengen des Dark Energy Spectroscopic Instrument (DESI) trainieren, um Galaxien bei höheren Rotverschiebungen zu analysieren. Sie wollen herausfinden, ob sie mit ihrer Methode eine entfernte Galaxienklasse mit ausgeprägten Spektrallinien, sogenannte Lyman-Alpha-Emitter (LAE), aufspüren können. „Diese Forschung zeichnet sich durch ihre mutige Integration modernster generativer KI mit astrophysikalischer Analyse aus und hat das Potenzial, die Art und Weise, wie wir das Universum erforschen, neu zu definieren. Sie zeigt wissenschaftliche Vision und ein tiefes interdisziplinäres Verständnis,“ so die Jury.
Der AI-Hub Preis wird von der Münchner Universitätsgesellschaft gestiftet und unterstützt die Projektkosten der jungen Forschenden.
Pressemeldung zur Eröffnung des AI-Hub@LMU
Publikation:
L. Doorenbos, E. Sextl, K. Heng, et al., „Galaxy Spectroscopy without Spectra: Galaxy Properties from Photometric Images with Conditional Diffusion Models“ ApJ 2024
Kontakt:
Eva Sextl
Ludwig-Maximilians-Universität / Exzellenzcluster ORIGINS
Email: sextl(at)usm.lmu.de
