In einer eindrucksvollen Demonstration der Fähigkeit der künstlichen Intelligenz, wissenschaftliche Entdeckungen zu verändern, hat ein neues KI-Tool in Tagen erreicht, wofür menschliche Astronomen Jahre gebraucht hätten. Ein Forscherteam der European Space Agency (ESA) setzte erfolgreich ein KI-Modell namens AnomalyMatch ein, um die riesigen Archive des Hubble-Weltraumteleskops zu durchsuchen. Das Ergebnis ist ein Fundus von über 800 bisher nicht dokumentierten kosmischen Anomalien, von verzerrenden Gravitationslinsen bis hin zu „Quallen“-Galaxien (Jellyfish Galaxies) und Objekten, die sich einer aktuellen Klassifikation entziehen.
Dieser Durchbruch, beschrieben in der Fachzeitschrift Astronomy & Astrophysics, markiert eine entscheidende Verschiebung in der Art und Weise, wie wir das Universum erforschen. Jahrzehntelang basierten astronomische Entdeckungen stark auf gezielten Beobachtungen oder glücklichen Funden – dem Zufall, das Fremde zu entdecken, während man das Gewöhnliche sucht. Jetzt, mit AnomalyMatch, haben Astronomen eine systematische Engine für Serendipität, die in der Lage ist, Jahrzehnte an Daten zu verarbeiten, um die versteckten „Nadeln“ im kosmischen Heuhaufen zu enthüllen.
Die Herausforderung der modernen Astronomie ist nicht ein Mangel an Daten, sondern ein überwältigendes Übermaß davon. Allein das Hubble-Weltraumteleskop beobachtet das Universum seit 35 Jahren und erzeugt Millionen von Bildern, die das Hubble Legacy Archive bilden. Jedes Objekt in diesem Archiv manuell auf ungewöhnliche Merkmale zu untersuchen, ist eine Aufgabe, die die zeitlichen Möglichkeiten von Menschen übersteigt.
Hier kommt AnomalyMatch ins Spiel. Entwickelt von ESA-Forschern David O'Ryan und Pablo Gómez, wurde dieses neuronale Netzwerk nicht nur dazu entworfen, bekannte Objekte zu klassifizieren, sondern „Seltsamkeit“ zu erkennen. Im Gegensatz zu traditionellen Algorithmen, die darauf trainiert sind, Galaxien in saubere Kategorien (spiralförmig, elliptisch, unregelmäßig) zu sortieren, nutzt AnomalyMatch unüberwachtes Lernen (unsupervised learning), um Ausreißer zu identifizieren – Datenpunkte, die deutlich von der etablierten Norm abweichen.
Die Effizienz des Werkzeugs ist verblüffend. Die Forscher ließen die KI fast 100 Millionen Bildausschnitte analysieren, von denen jeder einen kleinen Himmelsausschnitt von etwa 7 bis 8 Bogensekunden abdeckt. Auf einer einzelnen Graphics Processing Unit (GPU) verarbeitete AnomalyMatch diesen Datenberg in nur 2,5 bis 3 Tagen.
„Archivdaten des Hubble-Weltraumteleskops reichen nun 35 Jahre zurück und bieten einen Schatz an Daten, in denen astrophysikalische Anomalien gefunden werden könnten“, bemerkte David O'Ryan, der Erstautor der Studie. Er betonte jedoch, dass ohne KI dieses Potenzial weitgehend ungenutzt bliebe, weil „es schlichtweg zu viele Daten gibt, als dass Experten sie in der notwendigen Detailtiefe manuell durchsehen könnten.“
Während die KI die Geschwindigkeit bereitstellte, lieferte menschliche Expertise die Validierung. Dieser Arbeitsablauf repräsentiert das „Human-in-the-Loop“-Modell (human-in-the-loop), das zum Goldstandard bei wissenschaftlichen KI-Anwendungen wird. AnomalyMatch schrieb nicht einseitig die Lehrbücher neu; stattdessen fungierte es als hocheffizienter Filter.
Aus den 100 Millionen Ausschnitten markierte die KI etwa 1.400 Objekte als statistisch anomal. Diese überschaubare Shortlist ermöglichte es O'Ryan und Gómez, eine detaillierte manuelle Inspektion durchzuführen. Die Ergebnisse waren beeindruckend: Von den 1.400 Kandidaten bestätigten die Forscher, dass rund 1.300 tatsächlich echte Anomalien waren.
Wesentlich ist, dass, obwohl einige dieser Objekte bereits zuvor entdeckt worden waren, über 800 von ihnen völlig neu für die Wissenschaft sind. Es handelte sich um Objekte, die jahrelang in den öffentlichen Archiven lagen und von menschlichen Augen unentdeckt blieben, bis ein Algorithmus lernte, nach ihnen zu suchen.
Die vom Projekt aufgedeckten Anomalien bieten einen faszinierenden Querschnitt der gewalttätigsten und schönsten Prozesse des Universums. Die KI fand nicht nur eine Art von Objekt; sie fand eine vielfältige Reihe kosmischer Kuriositäten.
Zu den wissenschaftlich wertvollsten Funden gehörten Gravitationslinsen (gravitational lenses). Diese entstehen, wenn eine massereiche Vordergrundgalaxie das Licht einer weiter entfernten Hintergrundgalaxie ablenkt und Bögen, Ringe oder multiple Bilder erzeugt. Die Studie identifizierte 86 neue potenzielle Kandidaten für Gravitationslinsen. Diese sind bei Kosmologen begehrt, weil sie als natürliche Teleskope dienen, mit denen wir weiter zurück in die Zeit sehen und die Verteilung von Dunkler Materie kartieren können.
Die häufigste Anomalie hingegen waren Galaxienkollisionen (Galaxy Mergers). Die KI entdeckte 417 Fälle von zusammenstoßenden Galaxien, ein chaotischer Prozess, der Sternentstehung auslöst und galaktische Strukturen umformt.
Wesentliche von AnomalyMatch entdeckte Anomalien
| Type of Anomaly | Count (Approx.) | Scientific Significance |
|---|---|---|
| Galaxienkollisionen (Galaxy Mergers) | 417 | Zeigt, wie Galaxien durch Zusammenstöße wachsen und sich entwickeln. Oft mit Gezeitenschweifen und Sternenbusts. |
| Gravitationslinsen (Gravitational Lenses) | 86 (neue Kandidaten) | Entscheidend für die Kartierung Dunkler Materie und das Studium des frühen Universums. Wirkt als „kosmische Lupe“. |
| Quallen-Galaxien (Jellyfish Galaxies) | Variabel | Galaxien, denen durch das intergalaktische Medium Gas entrissen wird. Zeigt lange „Tentakel“ mit Sternentstehung. |
| Kantennahe protoplanetare Scheiben (Edge-on Protoplanetary Disks) | Variabel | Seltene Blicke auf entstehende Planetensysteme. Wegen ihrer Form auch „kosmische Hamburger“ genannt. |
| Nicht klassifizierte Objekte (Unclassified Objects) | ~43 | Phänomene, die in keine bestehende Kategorie passen. Potential für neue Physik oder unbekannte stellare Ereignisse. |
| --- | --- | ---- |
Vielleicht am faszinierendsten sind die Objekte, die die Forscher überhaupt nicht klassifizieren konnten. Ungefähr 43 der markierten Objekte widerstanden sämtlichen Standardkategorisierungen. Diese „Unbekannten“ repräsentieren die Grenze der Entdeckung – Geheimnisse, die möglicherweise Folgebeobachtungen mit dem James Webb Space Telescope (JWST) erfordern, um dekodiert zu werden.
Der Erfolg von AnomalyMatch geht über das Aufräumen des Hubble-Rückstands hinaus; er ist ein Proof-of-Concept für die Zukunft der Astronomie. Wir stehen derzeit am Rande einer „Datenflut“.
Bevorstehende Missionen wie die ESA-Mission Euclid, das NASA-Weltraumteleskop Nancy Grace Roman Space Telescope und das bodengebundene Vera C. Rubin Observatory werden Daten in einem Ausmaß erzeugen, das Hubble in den Schatten stellt. Allein das Vera Rubin Observatory wird voraussichtlich 20 Terabyte Daten jede Nacht erfassen.
„Die Datenmengen werden explodieren“, sagte Pablo Gómez, Koautor der Studie. „Traditionelle manuelle Inspektionen oder sogar groß angelegte Citizen-Science-Projekte wie Galaxy Zoo werden solchen Volumina einfach nicht gewachsen sein.“
In diesem Kontext hören KI-Werkzeuge wie AnomalyMatch auf, ein Luxus zu sein, und werden zur Notwendigkeit. Sie werden als erste Verteidigungslinie dienen, die das Rauschen durchsiebt, um Astronomen auf die Signale aufmerksam zu machen, die zählen. Indem sie die Suche nach dem Seltenen und Seltsamen automatisieren, stellt die KI sicher, dass die wissenschaftlich wertvollsten Ereignisse – die gerade explodierende Supernova, der Asteroid in einer unerwarteten Umlaufbahn oder die Galaxie, die sich merkwürdig verhält – nicht in den Archiven verloren gehen.
Die Entdeckung von 800 neuen kosmischen Anomalien in alten Daten ist ein Beleg für die Macht, die Vergangenheit mit neuen Werkzeugen erneut zu untersuchen. Sie erinnert uns daran, dass Entdeckung nicht immer bedeutet, ein größeres Teleskop zu bauen; manchmal geht es darum, einen klügeren Algorithmus zu entwickeln. Während Creati.ai weiterhin die Schnittstelle zwischen künstlicher Intelligenz und Wissenschaft beobachtet, wird deutlich, dass sich die Rolle des Astronomen wandelt. Der Astronom der Zukunft wird nicht nur Beobachter der Sterne sein, sondern Architekt der Intelligenz, die sie beobachtet.
Die US-Umweltschutzbehörde (EPA) hat festgestellt, dass Elon Musks xAI Dutzende von Gasturbinen illegal betrieben hat, um seine Rechenzentren in Tennessee ohne die erforderlichen Genehmigungen mit Strom zu versorgen, was Umwelt- und Regulierungsbedenken hervorruft.
