คำถามทางวิทยาศาสตร์ที่น่าตื่นเต้นและน่าตื่นเต้นมากมายที่นักดาราศาสตร์พยายามหาคำตอบ จำเป็นต้องรวบรวมตัวอย่างเหตุการณ์จักรวาลต่างๆ จำนวนมาก ผลที่ตามมา หอดูดาวทางดาราศาสตร์สมัยใหม่จึงกลายเป็นเครื่องจักรสร้างข้อมูลอย่างไม่หยุดยั้งที่ส่งการแจ้งเตือนและภาพนับพันไปยังนักดาราศาสตร์ทุกคืน
การใช้อัลกอริธึมการเรียนรู้ของเครื่อง นักดาราศาสตร์จากการทำงานร่วมกันของ Zwicky Transient Facility ที่ คาลเทค ประสบความสำเร็จในการจำแนกซูเปอร์โนวา 1000 ดวงได้สำเร็จ อัลกอริธึมถูกนำไปใช้กับข้อมูลที่บันทึกโดย Zwicky Transient Facility หรือ ZTF ซึ่งเป็นเครื่องมือสำรวจท้องฟ้าที่หอดูดาวพาโลมาร์ของคาลเทค
ทุกคืน ZTF จะวิเคราะห์ท้องฟ้ายามค่ำคืนเพื่อหาการเปลี่ยนแปลงที่เรียกว่าเหตุการณ์ชั่วคราว ข้อมูลนี้ครอบคลุมทุกอย่าง ตั้งแต่ดาวเคราะห์น้อยที่กำลังเคลื่อนที่ไปจนถึงดาวฤกษ์ที่เพิ่งกลืนกินไป หลุมดำ ไปสู่ดาวฤกษ์ที่ระเบิดเรียกว่าซูเปอร์โนวา ZTF แจ้งเตือนนักดาราศาสตร์ทั่วโลกเกี่ยวกับปรากฏการณ์ชั่วคราวเหล่านี้โดยการส่งสัญญาณหลายแสนครั้งในแต่ละคืน
จากนั้นนักดาราศาสตร์ใช้กล้องโทรทรรศน์อื่นเพื่อติดตามและตรวจสอบธรรมชาติของวัตถุที่เปลี่ยนแปลง จนถึงขณะนี้ ข้อมูล ZTF ได้นำไปสู่การค้นพบซูเปอร์โนวาหลายพันแห่ง
Matthew Graham นักวิทยาศาสตร์โครงการของ ZTF และศาสตราจารย์ด้านการวิจัยดาราศาสตร์ที่ Caltech กล่าวว่า “แนวคิดดั้งเดิมของการที่นักดาราศาสตร์นั่งอยู่บนหอดูดาวและกรองภาพจากกล้องโทรทรรศน์นั้นมีความโรแมนติกอยู่มาก แต่ก็หลุดลอยไปจากความเป็นจริง”
นักดาราศาสตร์พัฒนา SNIascore เพื่อจำแนกประเภทผู้สมัครโดยใช้อัลกอริธึมการเรียนรู้ของเครื่อง มหานวดารา. SNIascore สามารถจำแนกสิ่งที่เรียกว่าซุปเปอร์โนวาประเภท Ia หรือ “เทียนมาตรฐาน” บนท้องฟ้าได้ ดาวที่กำลังจะตายเหล่านี้ชนกับการระเบิดแสนสาหัสที่มีความแข็งแกร่งสม่ำเสมอ
ขณะนี้นักวิทยาศาสตร์กำลังทำงานเพื่อขยายขีดความสามารถของอัลกอริธึมในการจำแนกซูเปอร์โนวาประเภทอื่นๆ ในอนาคตอันใกล้นี้
Christoffer Fremling นักดาราศาสตร์ของ Caltech และผู้บงการเบื้องหลังอัลกอริธึมใหม่ซึ่งมีชื่อว่า SNIascore กล่าวว่า “เราต้องการความช่วยเหลือ และเรารู้ว่าเมื่อเราฝึกคอมพิวเตอร์ให้ทำงานแล้ว คอมพิวเตอร์จะรับภาระหนักจากเรา SNIascore ได้จัดประเภทซูเปอร์โนวาครั้งแรกในเดือนเมษายน พ.ศ. 2021 และหนึ่งปีครึ่งต่อมา เรากำลังบรรลุเป้าหมายสำคัญที่มีซูเปอร์โนวา 1,000 แห่ง"
“SNIascore มีความแม่นยำอย่างน่าทึ่ง หลังจากซูเปอร์โนวา 1,000 ดวง เราได้เห็นว่าอัลกอริทึมทำงานอย่างไรในโลกแห่งความเป็นจริง เราไม่พบเหตุการณ์ที่มีการจัดหมวดหมู่ผิดนับตั้งแต่เปิดตัวในเดือนเมษายน 2021 และเรากำลังวางแผนที่จะใช้อัลกอริทึมเดียวกันกับเครื่องมือสังเกตการณ์อื่นๆ”
Ashish Mahabal ซึ่งเป็นผู้นำกิจกรรมแมชชีนเลิร์นนิงสำหรับ ZTF และทำหน้าที่เป็นหัวหน้านักวิทยาศาสตร์ด้านการคำนวณและข้อมูลที่ศูนย์ Caltech สำหรับ Data-Driven Discovery กล่าวเสริมว่า “งานนี้แสดงให้เห็นได้ดีว่าเป็นอย่างไร เรียนรู้เครื่อง การประยุกต์ใช้งานทางดาราศาสตร์ใกล้เรียลไทม์กำลังมาถึงแล้ว”
Ashish Mahabal นักวิทยาศาสตร์ด้านคอมพิวเตอร์จาก Center for Data-Driven Discovery ของ Caltech ซึ่งเป็นผู้นำกิจกรรมแมชชีนเลิร์นนิงสำหรับ ZTF กล่าวว่า, “SNIascore อยู่เหนืออัลกอริธึมการเรียนรู้ของเครื่องและเลเยอร์พื้นฐานอื่นๆ ที่เราพัฒนาขึ้นสำหรับ ZTF และมันแสดงให้เห็นอย่างดีว่าแอปพลิเคชันการเรียนรู้ของเครื่องกำลังเข้ามามีบทบาทอย่างไรในดาราศาสตร์ใกล้เคียงเรียลไทม์”
