加州大学圣克鲁斯分校的研究人员开发了一种功能强大的新型计算机程序，称为Morpheus，它可以逐像素地分析天文图像数据，以识别和分类来自天文学调查的大型数据集中的所有星系和恒星。

Morpheus是一个深度学习框架，它结合了针对图像和语音识别等应用开发的各种人工智能技术。加州大学圣克鲁斯分校的天文学和天体物理学教授，美国天文学和天体物理学教授布兰特·罗伯森(Brant Robertson)说，天文学数据集规模的迅速增长使得自动完成传统上由天文学家完成的某些任务至关重要。

他说：“有些事情我们根本无法像人类那样做，所以我们必须找到使用计算机来处理未来几年来自大型天文测量项目的大量数据的方法。”

Robertson与UCSC巴斯金工程学院的计算机科学研究生Ryan Hausen合作，在过去的两年中，他开发并测试了Morpheus。Hausen和Robertson于5月12日在《天体物理学期刊增刊》系列中发表了他们的研究结果后，也将公开发布Morpheus代码并提供在线演示。

从我们自己的银河系这样的旋转盘状星系到无定形椭圆形和球状星系，星系的形态可以告诉天文学家星系是如何随着时间形成和演化的。大规模调查，例如将在智利正在建设的维拉鲁宾天文台进行的时空传统调查(LSST)，将产生大量的图像数据，罗伯逊已参与计划如何使用该数据数据来了解星系的形成和演化。LSST每晚将使用32亿像素的相机拍摄800幅全景图像，每周记录两次可见的整个天空。

罗伯逊说：“想象一下，如果您去找天文学家，要求他们对数十亿个物体进行分类，他们将如何做到这一点?现在，我们将能够对这些物体进行自动分类，并利用这些信息来学习银河系的演化。”

其他天文学家已使用深度学习技术对星系进行分类，但先前的工作通常涉及改编现有的图像识别算法，并且研究人员已将算法精选的算法提供给要分类的星系。Hausen从头开始专门为天文图像数据构建Morpheus，该模型使用天文学家使用的标准数字文件格式输入原始图像数据。

罗伯逊说，像素级分类是Morpheus的另一个重要优势。他说：“在使用其他模型时，您必须了解其中的某些内容，并向模型提供图像，然后图像可以对整个星系进行一次分类。”“ Morpheus会为您发现星系，并逐个像素地进行处理，因此它可以处理非常复杂的图像，在磁盘旁边可能会有一个球体。对于中央凸起的磁盘，它将凸起分别分类。因此它非常强大。”

为了训练深度学习算法，研究人员使用了2015年的一项研究中的信息，该研究中数十名天文学家根据CANDELS调查在哈勃太空望远镜图像中对大约10,000个星系进行了分类。然后，他们将Morpheus应用于哈勃遗留场的图像数据，该数据结合了几次哈勃深场勘测获得的观测结果。

Morpheus处理天空区域的图像时，会生成天空那部分的一组新图像，其中所有对象均根据其形态进行颜色编码，从而将天文对象与背景分离并识别点源(恒星) )和不同类型的星系。输出包括每个分类的置信度。该程序在UCSC的lux超级计算机上运行，​​可快速生成整个数据集的逐像素分析。

Hausen说：“ Morpheus以目前不存在的粒度级别提供对天文物体的检测和形态分类。”

公开发布了对GOODS South的Morpheus模型结果的交互式可视化效果，该深度视图对数百万个星系进行了成像。这项工作得到了NASA和国家科学基金会的支持。