Das Weitwinkel-Mehrobjekt-Lichtwellenleiter-Spektroskopieteleskop (LAMOST) an der Beobachtungsstation Xinglong der Nationalen Astronomischen Observatorien der Chinesischen Akademie der Wissenschaften in Xinglong in der nordchinesischen Provinz Hebei am 19. Juni 2015. (Foto: Xinhua/Wang Xiao)

Ein chinesisches Forschungsteam hat ein Modell der künstlichen Intelligenz (KI) namens SpecCLIP entwickelt, das Sternspektraldaten verschiedener Teleskope interpretieren kann, was das enorme Potenzial von KI bei der Verarbeitung und Integration riesiger astronomischer Datensätze demonstriert, wie die „Science and Technology Daily“ am Mittwoch berichtete.

Sternspektren enthalten einzigartige Informationen über Sterne, darunter ihre Temperatur, chemische Zusammensetzung und Oberflächengravitation. Durch die Analyse dieser Spektren können Astronomen die Entwicklungsgeschichte der Milchstraße von ihren Anfängen bis heute nachvollziehen.

Die aktuelle Forschung steht jedoch vor einer großen Herausforderung: Unterschiedliche Erkundungsprojekte, wie Chinas LAMOST und Europas Gaia, erfassen Spektraldaten mit unterschiedlichen Methoden, Auflösungen und Wellenlängenbereichen. Diese Datensätze sind wie Geschichten, die in verschiedenen Dialekten erzählt werden, was ihre direkte Zusammenführung für groß angelegte Analysen erschwert.

Um diese Datenbarriere zu überwinden, übertrug ein Forschungsteam der Nationalen Astronomischen Observatorien der Chinesischen Akademie der Wissenschaften, der Universität der Chinesischen Akademie der Wissenschaften (UCAS) und weiterer Institutionen Konzepte, die großen Sprachmodellen ähneln, auf die Astronomie und wandte ein kontrastives Lernverfahren an. So entstand eine KI, die selbstständig lernen und intrinsische Verbindungen zwischen Spektraldaten verschiedener Quellen herstellen kann.

Laut Huang Yang von der UCAS fungiert SpecCLIP als „Übersetzer“, der die niedrig aufgelösten Spektren von LAMOST und die hochpräzisen Spektren von Gaia in eine „universelle Sprache“ umwandeln kann. Dies ermöglicht Wissenschaftlern die einfache Durchführung gemeinsamer Analysen, den Abgleich und die Transformation von Daten über verschiedene Instrumente und Erkundungsprojekte hinweg.

Laut der im „Astrophysical Journal“ veröffentlichten Studie ist SpecCLIP kein spezialisiertes KI-Modell für eine einzelne Aufgabe, sondern ein Framework, das einem Grundlagenmodell nahekommt. Es kann stellare Atmosphärenparameter und Häufigkeiten von Elementen in einem Schritt vorhersagen, Suchen zu spektralen Ähnlichkeiten durchführen und sogar bei der Identifizierung ungewöhnlicher Himmelsobjekte helfen.

Diese Fähigkeiten sind insbesondere im Bereich der galaktischen Archäologie von entscheidender Bedeutung, da sie das Potenzial bergen, riesige Datensätze effizient zu durchsuchen, um extrem seltene, metallarme Sterne aus der Frühzeit der Milchstraße zu finden. Diese würde wichtige Erkenntnisse für die Erforschung der frühen Entstehungs- und Verschmelzungsgeschichte der Milchstraße liefern.

SpecCLIP wurde bereits in mehreren hochmodernen Erkundungsmissionen eingesetzt. Bei einer Mission zur Suche nach erdähnlichen Planeten beispielsweise hat es die Eigenschaften von Sternen mit Planeten präzise charakterisiert und so die Effizienz der Suche nach potenziell bewohnbaren Planeten verbessert.