Webová aplikace pro klasifikaci morfologie galaxií na platformě Red Hat OpenShift založená na AI

Abstract

Tato práce představuje webovou aplikaci s podporou umělé inteligence pro klasifikaci morfologie galaxií, která využívá strojové učení a architekturu založenou na Vision Transformeru. Pro trénink modelu a zpracování snímků z datové sady Galaxy Zoo 2 je použit framework PyTorch, zatímco augmentace dat zvyšuje schopnost modelu extrahovat robustní rysy. Konečný model CosmoFormer dosahuje konkurenceschopné přesnosti v úlohách klasifikace galaktických snímků. Responzivní webová aplikace plynule integruje backendové API s frontendovým uživatelským rozhraním. Nasazení na platformě Red Hat OpenShift zajišťuje škálovatelnost a spolehlivou orchestraci systému. Tato práce demonstruje, jak lze strojové učení a cloudově nativní technologie kombinovat pro automatizaci analýzy morfologie galaxií v moderních astronomických průzkumech.

This thesis presents an AI-powered web application for galaxy morphology classification, which utilizes machine learning and a vision transformer-based architecture. PyTorch is used for training the model and processing images from the Galaxy Zoo 2 dataset, while data augmentation enhances the model's ability to extract robust features. The final CosmoFormer model achieves competitive accuracy in galaxy image classification tasks. The responsive web application seamlessly integrates the backend API and the frontend user interface. Deployment on Red Hat OpenShift provides scalability and reliable orchestration for the system. This work demonstrates how machine learning and cloud-native technologies can be combined to automate galaxy morphology analysis for modern astronomical surveys.