Астрономы использовали алгоритм машинного обучения для классификации 1000 сверхновых
AstroNews.ru - 24 Ноября 2022 21:25:49
Астрономы из Калифорнийского технологического института использовали алгоритм машинного обучения для полностью автономной классификации 1000 сверхновых. Алгоритм был применен к данным, полученным с помощью Zwicky Transient Facility (ZTF), прибора для обзора неба, базирующегося в Паломарской обсерватории Калифорнийского технологического института.
«Нам нужна была помощь, и мы знали, что, как только мы научим наши компьютеры выполнять эту работу, они снимут с нас большую нагрузку», – говорит Кристоффер Фремлинг, штатный астроном Калифорнийского технологического института и один из создателей нового алгоритма, получившего название SNIascore. – «SNIascore классифицировал свою первую сверхновую в апреле 2021 года, и полтора года спустя мы достигли хорошего рубежа в 1000 сверхновых».
ZTF каждую ночь сканирует ночное небо в поисках изменений, которые называются переходными событиями. Это понятие включает в себя все: от движущихся астероидов до взрывающихся звезд, известных как сверхновые. ZTF рассылает сотни тысяч оповещений за ночь астрономам по всему миру, уведомляя их об этих событиях. Затем астрономы используют другие телескопы, чтобы отслеживать и исследовать природу изменяющихся объектов.
Но члены команды ZTF не могут самостоятельно разобраться в огромном количестве данных, поступающих каждую ночь.
Команда ученых разработала алгоритмы машинного обучения для помощи с обработкой данных. Они создали SNIascore, предназначенный для классификации кандидатов в сверхновые.
Сверхновые делятся на два широких класса: тип I и тип II. Сверхновые типа I лишены водорода, в то время как сверхновые типа II богаты водородом. Наиболее распространенная сверхновая I типа возникает, когда массивная звезда крадет материю у звезды-компаньона, что, в итоге, вызывает термоядерный взрыв. Сверхновая II типа возникает, когда массивная звезда коллапсирует под действием собственной гравитации.
В настоящее время SNIascore может классифицировать сверхновые типа Ia, и Фремлинг вместе с коллегами активно работает над расширением возможностей алгоритма для классификации других типов сверхновых в ближайшем будущем.