Banyak pertanyaan ilmiah terkini dan menarik yang coba dijawab oleh para astronom mengharuskan mereka mengumpulkan sampel besar dari berbagai peristiwa kosmik. Akibatnya, observatorium astronomi modern telah menjadi mesin penghasil data tanpa henti yang memberikan ribuan peringatan dan gambar kepada para astronom setiap malam.
Dengan menggunakan algoritme pembelajaran mesin, para astronom dari kolaborasi Zwicky Transient Facility di Caltech berhasil mengklasifikasikan 1000 supernova secara mandiri. Algoritme ini diterapkan pada data yang ditangkap oleh Zwicky Transient Facility, atau ZTF, instrumen survei langit yang berbasis di Observatorium Palomar Caltech.
Setiap malam, ZTF menganalisis langit malam untuk mencari perubahan yang dikenal sebagai peristiwa sementara. Ini mencakup semuanya, mulai dari asteroid yang bergerak hingga bintang yang baru saja dilahapnya lubang hitam hingga bintang yang meledak yang disebut supernova. ZTF memberi tahu para astronom di seluruh dunia tentang fenomena sementara ini dengan mengirimkan ratusan ribu sinyal setiap malam.
Para astronom kemudian menggunakan teleskop lain untuk menindaklanjuti dan menyelidiki sifat objek yang berubah. Sejauh ini, data ZTF telah mengarah pada penemuan ribuan supernova.
Matthew Graham, ilmuwan proyek untuk ZTF dan profesor riset astronomi di Caltech, berkata, “Gagasan tradisional tentang seorang astronom yang duduk di observatorium dan menyaring gambar-gambar teleskop membawa banyak romantisme tetapi menyimpang dari kenyataan.”
Dengan menggunakan algoritma pembelajaran mesin, para astronom mengembangkan SNIascore untuk mengklasifikasikan kandidat supernova. SNIascore dapat mengklasifikasikan apa yang dikenal sebagai supernova Tipe Ia, atau “lilin standar” di langit. Bintang-bintang sekarat ini meledak dengan ledakan termonuklir dengan kekuatan yang konsisten.
Para ilmuwan kini berupaya memperluas kemampuan algoritme untuk mengklasifikasikan jenis supernova lain dalam waktu dekat.
Christoffer Fremling, staf astronom di Caltech dan dalang di balik algoritma baru, yang dijuluki SNIascore, berkata, “Kami membutuhkan bantuan, dan kami tahu bahwa begitu kami melatih komputer kami untuk melakukan pekerjaan tersebut, mereka akan meringankan beban kami. SNIascore mengklasifikasikan supernova pertamanya pada April 2021, dan satu setengah tahun kemudian, kami mencapai tonggak sejarah 1,000 supernova.”
“SNIascore sangat akurat. Setelah 1,000 supernova, kita telah melihat bagaimana kinerja algoritma tersebut di dunia nyata. Kami tidak menemukan kesalahan klasifikasi peristiwa sejak peluncurannya pada bulan April 2021, dan kami berencana untuk menerapkan algoritma yang sama dengan fasilitas observasi lainnya.”
Ashish Mahabal, yang memimpin aktivitas pembelajaran mesin untuk ZTF dan menjabat sebagai ilmuwan komputasi dan data utama di Pusat Penemuan Berbasis Data Caltech, menambahkan, “Pekerjaan ini menunjukkan dengan baik bagaimana caranya Mesin belajar penerapannya semakin berkembang dalam astronomi yang hampir real-time.”
Ashish Mahabal, ilmuwan komputasi di Pusat Penemuan Berbasis Data Caltech yang memimpin aktivitas pembelajaran mesin untuk ZTF, tersebut, “SNIascore berada di atas algoritme dan lapisan pembelajaran mesin dasar lainnya yang telah kami kembangkan untuk ZTF, dan ini menunjukkan dengan baik bagaimana aplikasi pembelajaran mesin semakin berkembang dalam astronomi yang hampir real-time.”
