Инструменты машинного обучения автономно классифицируют 1000 сверхновых

Прочитано: 189 раз(а)


Астрономы Калифорнийского технологического института использовали алгоритм машинного обучения для совершенно автономной классификации 1000 сверхновых. Алгоритм был применен к данным, полученным Zwicky Transient Facility, или ZTF, инструментом обзора неба, базирующимся в Паломарской обсерватории Калифорнийского технологического института.

«Нам нужна была рука помощи, и мы знали, что как только мы обучим наши компьютеры выполнять эту работу, они снимут с нас большую нагрузку», — говорит Кристоффер Фремлинг, штатный астроном Калифорнийского технологического института и вдохновитель нового алгоритма , получившего название SNIascore . «SNIascore классифицировала свою первую сверхновую в апреле 2021 года, а полтора года спустя мы достигли важной вехи в 1000 сверхновых».

ZTF каждую ночь сканирует ночное небо в поисках изменений, называемых переходными событиями. Это включает в себя все, от движущихся астероидов до черных дыр, которые только что поглотили звезды, до взрывающихся звезд, известных как сверхновые. ZTF каждую ночь отправляет сотни тысяч предупреждений астрономам по всему миру, уведомляя их об этих временных событиях. Затем астрономы используют другие телескопы, чтобы отслеживать и исследовать природу меняющихся объектов. К настоящему времени данные ZTF привели к открытию тысяч сверхновых.

Но с неумолимым потоком данных каждую ночь члены команды ZTF не могут разобраться со всеми данными самостоятельно.

«Традиционное представление об астрономе, сидящем в обсерватории и просматривающем изображения телескопа, несет в себе много романтики, но отдаляется от реальности», — говорит Мэтью Грэм, ученый проекта ZTF и профессор астрономии Калифорнийского технологического института.

Вместо этого команда разработала алгоритмы машинного обучения, чтобы помочь в поиске. Они разработали SNIascore для классификации кандидатов в сверхновые. Сверхновые делятся на два больших класса: Тип I и Тип II. Сверхновые типа I лишены водорода, а сверхновые типа II богаты водородом. Наиболее распространенная сверхновая типа I возникает, когда массивная звезда крадет вещество у соседней звезды, что вызывает термоядерный взрыв. Сверхновая типа II возникает, когда массивная звезда коллапсирует под действием собственной гравитации.

В настоящее время SNIascore может классифицировать то, что известно как сверхновые типа Ia или «стандартные свечи» в небе. Это умирающие звезды, которые взрываются термоядерным взрывом постоянной силы. Сверхновые типа Ia позволяют астрономам измерять скорость расширения Вселенной. В настоящее время Фремлинг и его коллеги работают над расширением возможностей алгоритма для классификации других типов сверхновых в ближайшем будущем.

Каждую ночь, после того как ZTF фиксирует вспышки в небе, которые могут быть сверхновыми, он отправляет данные на спектрограф в Паломаре, который находится в куполе всего в нескольких сотнях метров от него и называется SEDM (машина распределения спектральной энергии). SNIascore работает с SEDM, чтобы затем классифицировать, какие сверхновые, вероятно, относятся к типу Ia. В результате команда ZTF быстро создает более надежный набор данных о сверхновых для астрономов для дальнейшего изучения и, в конечном итоге, изучения физики мощных звездных взрывов.

«SNIascore удивительно точен. После 1000 сверхновых мы увидели, как алгоритм работает в реальном мире», — говорит Фремлинг. «Мы не обнаружили явно неправильно классифицированных событий с момента запуска в апреле 2021 года, и теперь мы планируем реализовать тот же алгоритм с другими средствами наблюдения».

Ашиш Махабал, который возглавляет деятельность по машинному обучению в ZTF и является ведущим специалистом по вычислениям и данным в Центре исследований, управляемых данными Калифорнийского технологического института, добавляет: «Эта работа хорошо демонстрирует, как приложения машинного обучения взрослеют в астрономии, близкой к реальному времени».

Инструменты машинного обучения автономно классифицируют 1000 сверхновых



Новости партнеров