UCS研究人员开发了一种名为Morpheus的深层学习框架，用于对天体进行像素级形态学分类。

加州大学圣克鲁斯分校(UC Santa Cruz)的研究人员开发了一个名为“墨菲斯”(Morpheus)的有力新计算机程序，它可以逐个像素分析天文图像数据，以识别和分类天文测量中的大数据集中的所有星系和恒星。

语素是一个深奥的学习框架，它包括为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(UC Santa Cruz)计算天体物理研究小组的负责人布兰特·罗伯逊(Brant Robertson)说，由于天文学数据集的迅速增加，让一些传统上由天文学家完成的任务自动化变得至关重要。

他说：“有些事情人类不能做，所以我们必须找到办法，利用计算机来处理今后几年将大量来自大型天文测量项目的数据。”

星系的形态，从旋转圆盘星系（比如我们自己的银河系）到非晶态的椭圆星系和球状星系）都可以告诉天文学家星系是如何随着时间而形成和演化的。大型调查，如将在智利正在建设的维拉鲁宾天文台进行的空间与时间遗留调查，将产生大量图像数据，罗伯逊参与了如何利用这些数据了解星系的形成和演变的规划。LSST每天晚上用32亿像素的摄像机拍摄800多幅全景图像，每周两次记录整个可见的天空。

“想象一下，如果你去找天文学家，让他们把数十亿的物体分类，他们怎么可能这样做？现在，我们可以自动对这些物体进行分类，并利用这些信息来学习星系演化。

其他天文学家利用深度学习技术对星系进行分类，但先前的研究通常涉及修改现有的图像识别算法，研究人员已经根据绘制出的星系图像进行分类。豪森从地面上专门为天文图像数据构建了墨菲斯，模型使用标准数字文件格式的原始图像数据输入天文学家。

Robertson说，像素级分类是Morpheus的另一个重要优势。他说：“对于其他模型，你必须知道某些东西存在，并且给模型注入一个图像，并立即对整个星系进行分类。”“墨菲斯发现你的星系像素，所以它能处理非常复杂的图像，在那里你可以有一个球体，就在磁盘旁边。”对于具有中心凸起的圆盘, 它将凸起的部分分别分类.所以它非常强大"

为了训练深部学习算法，研究人员使用了2015年的一项研究中的信息。在这项研究中，几十名天文学家从CANDELS调查中将哈勃空间望远镜(Hubble Space Telescope)上的大约10,000个星系归类。然后，他们将Morpheus应用于哈勃遗产田的图像数据。

当Morpheus处理天空某一区域的图像时，它会产生一组新的天空那一部分的图像，其中所有物体都根据形态进行颜色编码，将天文物体与背景分开，并识别点源（星星）和不同类型的星系。输出包括每个分类的置信度.该程序运行在CUSC的豪华超级计算机上，为整个数据集迅速生成逐像素的分析。

Hausen说：“形态学为目前不存在的粒度提供了天文物体的探测和形态分类。”公开发布了GODS南区Morpheus模型结果的交互式可视化。这项工作得到了美国航天局和国家科学基金会的支持。