بسیاری از سوالات علمی فعلی و هیجان انگیزی که ستاره شناسان در تلاش برای پاسخ به آنها هستند، آنها را ملزم به جمع آوری نمونه های بزرگی از رویدادهای مختلف کیهانی می کند. در نتیجه، رصدخانه های نجومی مدرن به ماشین های بی امان مولد داده تبدیل شده اند که هر شب هزاران هشدار و تصویر را به سمت ستاره شناسان می فرستند.
با استفاده از یک الگوریتم یادگیری ماشین، ستاره شناسان از تسهیلات گذرا Zwicky با همکاری در کالتچ با موفقیت 1000 ابرنواختر را به طور مستقل طبقه بندی کرد. این الگوریتم بر روی داده های گرفته شده توسط Zwicky Transient Facility یا ZTF، یک ابزار نقشه برداری آسمان مستقر در رصدخانه پالومار Caltech اعمال شد.
هر شب، ZTF آسمان شب را برای تغییراتی که به عنوان رویدادهای گذرا شناخته می شوند، تجزیه و تحلیل می کند. این همه چیز را پوشش می‌دهد، از سیارک‌های در حال حرکت گرفته تا ستاره‌های اخیراً بلعیده شده توسط سیاه چاله ها به ستاره های در حال انفجار به نام ابرنواختر. ZTF با ارسال صدها هزار سیگنال هر شب، اخترشناسان را در سراسر جهان از این پدیده های گذرا آگاه می کند.
سپس ستاره شناسان از تلسکوپ های دیگر برای پیگیری و بررسی ماهیت اجرام در حال تغییر استفاده می کنند. تاکنون داده های ZTF منجر به کشف هزاران ابرنواختر شده است.
متیو گراهام، دانشمند پروژه برای ZTF و استاد محقق نجوم در Caltech، گفت: تصور سنتی منجمی که در رصدخانه نشسته و تصاویر تلسکوپ را غربال می کند، حاوی رمانتیسم زیادی است، اما در حال دور شدن از واقعیت است.
ستاره شناسان با استفاده از الگوریتم های یادگیری ماشین، SNIascore را برای طبقه بندی نامزدها توسعه دادند ابرنواخترها. SNIascore می تواند آنچه را که به عنوان ابرنواختر نوع Ia یا "شمع های استاندارد" در آسمان شناخته می شود طبقه بندی کند. این ستارگان در حال مرگ با یک انفجار گرما هسته‌ای با قدرت ثابت در حال انفجار هستند.
اکنون دانشمندان در حال کار بر روی گسترش قابلیت‌های الگوریتم برای طبقه‌بندی انواع دیگر ابرنواخترها در آینده نزدیک هستند.
کریستوفر فرملینگ، ستاره شناس کارکنان Caltech و مغز متفکر الگوریتم جدید، با نام SNIascore، گفت: ما به یک دست کمک نیاز داشتیم و می‌دانستیم که وقتی رایانه‌هایمان را برای انجام کار آموزش دهیم، بار زیادی از پشت ما برمی‌دارند. SNIascore اولین ابرنواختر خود را در آوریل 2021 طبقه بندی کرد و یک سال و نیم بعد، ما در حال رسیدن به نقطه عطف خوبی از 1,000 ابرنواختر هستیم.
SNIascore بسیار دقیق است. پس از 1,000 ابرنواختر، نحوه عملکرد الگوریتم در دنیای واقعی را مشاهده کرده ایم. ما از زمان راه اندازی در آوریل 2021 هیچ رویداد طبقه بندی نادرستی پیدا نکرده ایم و در حال برنامه ریزی برای پیاده سازی همین الگوریتم با سایر امکانات رصدی هستیم.
Ashish Mahabal، که فعالیت‌های یادگیری ماشین را برای ZTF رهبری می‌کند و به‌عنوان دانشمند محاسباتی و داده‌ای در مرکز کشف داده‌محور Caltech خدمت می‌کند، اضافه می‌کند: "این کار به خوبی نشان می دهد که چگونه فراگیری ماشین برنامه های کاربردی در نجوم تقریباً بلادرنگ در حال رشد هستند.
آشیش ماهابال، دانشمند محاسباتی در مرکز کشف داده محور Caltech که فعالیت های یادگیری ماشین را برای ZTF رهبری می کند، گفت:, SNIascore در بالای دیگر الگوریتم‌ها و لایه‌های یادگیری ماشینی قرار می‌گیرد که ما برای ZTF توسعه داده‌ایم، و به خوبی نشان می‌دهد که چگونه برنامه‌های یادگیری ماشینی در نجوم تقریباً بلادرنگ به سن بلوغ می‌رسند.
