Många aktuella och spännande vetenskapliga frågor som astronomer försöker svara på kräver att de samlar in stora prover av olika kosmiska händelser. Som ett resultat har moderna astronomiska observatorier blivit obevekliga datagenererande maskiner som kastar tusentals varningar och bilder på astronomer varje natt.
Med hjälp av en maskininlärningsalgoritm samarbetar astronomer från Zwicky Transient Facility kl Caltech framgångsrikt klassificerade 1000 supernovor autonomt. Algoritmen tillämpades på data som fångats av Zwicky Transient Facility, eller ZTF, ett himmelundersökningsinstrument baserat på Caltechs Palomar Observatory.
Varje natt analyserar ZTF natthimlen för förändringar som kallas övergående händelser. Detta täcker allt, från asteroider i rörelse till nyligen slukade stjärnor svarta hål till exploderande stjärnor som kallas supernovor. ZTF meddelar astronomer över hela världen om dessa övergående fenomen genom att skicka hundratusentals signaler varje natt.
Astronomer använder sedan andra teleskop för att följa upp och undersöka arten av de föränderliga objekten. Hittills har ZTF-data lett till upptäckten av tusentals supernovor.
Matthew Graham, projektforskare för ZTF och forskningsprofessor i astronomi vid Caltech, sa: "Den traditionella föreställningen om en astronom som sitter vid observatoriet och siktar genom teleskopbilder bär på mycket romantik men driver bort från verkligheten."
Med hjälp av maskininlärningsalgoritmer utvecklade astronomer SNIascore för att klassificera kandidater supernovor. SNIascore kan klassificera vad som kallas supernovor av typ Ia, eller "standardljusen" på himlen. Dessa döende stjärnor slår till med en termonukleär explosion av konstant styrka.
Forskare arbetar nu med att utöka algoritmens möjligheter att klassificera andra typer av supernovor inom en snar framtid.
Christoffer Fremling, en stabsastronom på Caltech och hjärnan bakom den nya algoritmen, kallad SNIascore, sa: "Vi behövde en hjälpande hand, och vi visste att när vi tränat våra datorer för att göra jobbet, skulle de ta en stor belastning från ryggen. SNIascore klassificerade sin första supernova i april 2021, och ett och ett halvt år senare når vi en trevlig milstolpe med 1,000 XNUMX supernovor.”
"SNIascore är anmärkningsvärt korrekt. Efter 1,000 2021 supernovor har vi sett hur algoritmen fungerar i den verkliga världen. Vi har inte hittat några felklassificerade händelser sedan lanseringen tillbaka i april XNUMX, och vi planerar att implementera samma algoritm med andra observationsanläggningar."
Ashish Mahabal, som leder maskininlärningsaktiviteter för ZTF och fungerar som ledande beräknings- och dataforskare vid Caltechs Center for Data-Driven Discovery, tillägger, "Detta arbete visar väl hur maskininlärning applikationer börjar bli myndiga i nästan realtidsastronomi."
Ashish Mahabal, en beräkningsforskare vid Caltechs Center for Data-Driven Discovery som leder maskininlärningsaktiviteter för ZTF, sade, "SNIascore ligger ovanpå andra underliggande maskininlärningsalgoritmer och lager som vi har utvecklat för ZTF, och det visar väl hur maskininlärningsapplikationer blir myndiga i nästan realtidsastronomi."
