Многие актуальные и волнующие научные вопросы, на которые астрономы пытаются ответить, требуют от них сбора больших выборок различных космических событий. В результате современные астрономические обсерватории превратились в безжалостные машины, генерирующие данные, которые каждую ночь посылают астрономам тысячи предупреждений и изображений.
Используя алгоритм машинного обучения, астрономы из коллаборации Zwicky Transient Facility в Калифорнийский технологический институт успешно классифицировал 1000 сверхновых в автономном режиме. Алгоритм был применен к данным, полученным Zwicky Transient Facility, или ZTF, инструментом обзора неба, базирующимся в Паломарской обсерватории Калифорнийского технологического института.
Каждую ночь ZTF анализирует ночное небо на предмет изменений, известных как переходные явления. Это касается всего, от движущихся астероидов до недавно поглощённых звезд. черных дыр к взрывающимся звездам, называемым сверхновыми. ZTF уведомляет астрономов по всему миру об этих переходных явлениях, отправляя сотни тысяч сигналов каждую ночь.
Затем астрономы используют другие телескопы, чтобы отслеживать и исследовать природу изменяющихся объектов. К настоящему времени данные ZTF привели к открытию тысяч сверхновых.
Мэтью Грэм, научный сотрудник ZTF и профессор астрономии Калифорнийского технологического института, сказал: «Традиционное представление об астрономе, сидящем в обсерватории и просматривающем изображения с телескопа, несет в себе много романтики, но отдаляется от реальности».
Используя алгоритмы машинного обучения, астрономы разработали SNIascore для классификации кандидатов. сверхновые. SNIascore может классифицировать то, что известно как сверхновые типа Ia или «стандартные свечи» в небе. Эти умирающие звезды взрываются термоядерным взрывом постоянной силы.
В настоящее время ученые работают над расширением возможностей алгоритма для классификации других типов сверхновых в ближайшем будущем.
Кристофер Фремлинг, штатный астроном Калифорнийского технологического института и вдохновитель нового алгоритма, получившего название SNIascore, сказал: «Нам нужна была рука помощи, и мы знали, что как только мы обучим наши компьютеры выполнять эту работу, они снимут с нас большую нагрузку. SNIascore классифицировала свою первую сверхновую в апреле 2021 года, а полтора года спустя мы достигли важной вехи в 1,000 сверхновых».
«SNIascore удивительно точен. После 1,000 сверхновых мы увидели, как алгоритм работает в реальном мире. С момента запуска в апреле 2021 года мы не обнаружили ни одного неправильно классифицированного события, и мы планируем реализовать тот же алгоритм с другими средствами наблюдения».
Ашиш Махабал, который руководит деятельностью 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 обучение с помощью машины приложения достигают совершеннолетия в астрономии, близкой к реальному времени».
Ашиш Махабал, ученый-вычислитель из Центра исследований, управляемых данными Калифорнийского технологического института, который руководит деятельностью по машинному обучению для ZTF, — сказал, «SNIascore находится поверх других базовых алгоритмов и слоев машинного обучения, которые мы разработали для ZTF, и хорошо демонстрирует, как приложения машинного обучения достигают совершеннолетия в астрономии, близкой к реальному времени».
