Algoritmul de supernove a clasificat 1.000 de stele muribunde fără eroare

Astronomii de la Institutul de Tehnologie din California (Caltech), din SUA, au folosit „algoritmul de supernove” pentru a clasifica 1.000 de supernove cauzate de exploziile stelelor aflate pe moarte.

Algoritmul de supernove, denumit SNIascore, a creat catalogul din datele culese de Zwicky Transient Facility (ZTF), un instrument de cercetare a cerului atașat la Samuel Oschin Telescope, situat la Palomar Observatory al Caltech.

Scanând cerul nopții pentru evenimente de scurtă durată sau tranzitorii care pot include tot, de la „curse” de asteroizi până la găuri negre care se „hrănesc” și supernove, ZTF generează o cantitate uriașă de date în fiecare noapte.

De fapt, instrumentul generează atât de multe date încât membrii echipei ZTF nu pot să le sorteze singuri, ceea ce a dus la dezvoltarea SNIascore pentru a ajuta la această sarcină monumentală.

De ce a fost creat algoritmul de supernove?

„Aveam nevoie de o mână de ajutor și știam că, după ce antrenăm computerele pentru a face treaba, ne vor lua o mare sarcină de pe umeri”, a spus astronomul Christoffer Fremling, de la Caltech, într-o declarație.

De la primele observații ale ZTF, în 2017, sondajul a identificat mii de supernove care pot fi grupate în 2 clase mari: supernovele de tip I, care nu au semne de hidrogen; și supernovele de tip II, care sunt bogate în hidrogen, notează Space.com.

Cea mai comună formă de supernovă de tip I se întâmplă atunci când o stea masivă scoate materie dintr-o stea donatoare vecină, care cade la suprafața ei și declanșează o explozie termonucleară. Supernovele de tip II, pe de altă parte, apar atunci când stelele masive rămân fără combustibilul necesar fuziunii nucleare și nu se mai pot susține împotriva colapsului gravitațional.

SNIascore clasifică și un anumit tip de explozie cosmică de tip I cu o origine diferită, numită supernova de tip Ia. Acestea se întâmplă atunci când o stea pe moarte explodează și are ca rezultat o lumină uniformă; astronomii le folosesc ca standard.

Aceste supernove standard pot fi folosite pentru a măsura distanțele de-a lungul cosmosului și pot fi utile în măsurarea ratei cu care se extinde universul.

Instrumente ajutătoare

În fiecare noapte, după ce ZTF a terminat de căutat pe cer evenimente și obiecte tranzitorii, datele pe care le colectează sunt transmise unui dom situat la doar câteva sute de metri distanță, care găzduiește un instrument numit Spectral Energy Distribution Machine (SEDM).

Algoritmul de supernove lucrează cu SEDM pentru a clasifica ce supernove observate se potrivesc în clasa de tip Ia. Drept urmare, echipa ZTF construiește un set de date fiabile de supernove pe care astronomii le pot folosi pentru a investiga în detaliu fizica acestor explozii stelare puternice.

„SNIascore a clasificat prima sa supernovă în aprilie 2021 și, un an și jumătate mai târziu, atingem o etapă frumoasă de 1.000 de supernove. SNIascore este remarcabil de precis. După 1.000 de supernove, am văzut cum funcționează algoritmul în lumea reală”, a spus Fremling.

Algoritmul de supernove nu a făcut nicio greșeală de la implementare până în prezent

Fremling a adăugat că, din aprilie anul trecut, echipa ZTF a descoperit că SNIascore nu a clasificat greșit nicio supernovă. „Nu am găsit niciun eveniment clasificat greșit și acum plănuim să implementăm același algoritm și la alte unități de observare”, a spus Fremling.

Nu numai că Fremling și colegii săi plănuiesc acum să implementeze SNIascore la alte telescoape, dar lucrează și pentru a rafina SNIascore, astfel încât algoritmul să poată clasifica și alte tipuri de supernove în viitor. Chiar înainte ca aceste progrese să aibă loc, instrumentul de învățare automată remodelează astronomia și demonstrează fața în schimbare a acestui domeniu științific.

Ideea clasică de astronom este în plină schimbare

„Ideea tradițională de astronom care stă la observator și cerne imaginile telescopului duce cu sine mult romantism, dar se îndepărtează de realitate”, a spus profesorul Matthew Graham, de la Caltech.

Astronomul Ashish Mahabal conduce activitatea de învățare automată a ZTF și servește ca cercetător principal în calcul și date la Center for Data-Driven Discovery din cadrul Caltech. El este de acord cu Graham, adăugând că această lucrare „demonstrează bine modul în care aplicațiile de învățare automată ajung la maturitate în ceea ce privește astronomia aproape în timp real”.

Vă recomandăm să citiți și:

Semnalul care le poate dezvălui astronomilor cum erau, de fapt, primele galaxii

Oamenii de știință creează jeturi de găuri negre cu ajutorul unui supercomputer

O nouă exoplanetă de tipul super-Jupiter, cea mai tânără descoperită cu proprietăți cunoscute

INTERVIU EXCLUSIV – Cea mai frumoasă hartă a Universului. Cum a fost creată și cum ne ajută?



Postari asemanatoare :

468 ad

Comments are closed.