AI, yeni uzay anomalilerini keşfetmeye yardımcı olur

HSE Üniversitesi Fizik Fakültesi’nden Doçent olan Matvey Kornilov’un da aralarında bulunduğu uluslararası bir araştırmacılar ağı olan SNAD ekibi, yedi tanesi süpernova adayı olmak üzere daha önce tespit edilmemiş 11 uzay anomalisi keşfetti. Araştırmacılar, ‘en yakın komşu’ yöntemiyle anomalileri tespit etmek için bir kD ağacı kullanarak 2018’de çekilen Kuzey gökyüzünün dijital görüntülerini analiz ettiler. Makine öğrenimi algoritmaları, aramanın otomatikleştirilmesine yardımcı oldu. Makale şurada yayınlandı: Yeni Astronomi.

Çoğu astronomik keşif, sonraki hesaplamalarla birlikte gözlemlere dayanmaktadır. 20. yüzyıldaki toplam gözlem sayısı hala nispeten küçükken, büyük ölçekli astronomik araştırmaların gelmesiyle veri hacimleri büyük ölçüde arttı. Örneğin, Kuzey gökyüzünü araştırmak için geniş alan görüşlü bir kamera kullanan Zwicky Geçici Tesisi (ZTF), her gece gözlem için ∼ 1,4 TB veri üretir ve kataloğu milyarlarca nesne içerir. Bu kadar büyük miktarda verinin manuel olarak işlenmesi hem pahalı hem de zaman alıcıdır, bu nedenle Rusya, Fransa ve ABD’den SNAD araştırmacı ekibi otomatik bir çözüm geliştirmek için bir araya geldi.

Bilim adamları astronomik nesneleri incelerken, zamanın bir fonksiyonu olarak bir nesnenin parlaklığındaki değişiklikleri gösteren ışık eğrilerini gözlemlerler. Gözlemciler önce gökyüzündeki bir ışık parlamasını tanımlar ve ardından ışığın zamanla daha parlak mı yoksa zayıf mı olduğunu veya söndüğünü görmek için evrimini takip eder. Bu çalışmada araştırmacılar, ZTF’nin 2018 kataloğundan bir milyon gerçek ışık eğrisini ve incelenen nesne türlerinin yedi simüle edilmiş canlı eğri modelini inceledi. Toplamda, bir nesnenin parlaklığının genliği ve zaman çerçevesi dahil olmak üzere yaklaşık 40 parametre izlediler.

“Gerçek astronomik cisimlerde gözlemlenmesi beklenen bir dizi özelliği kullanarak simülasyonlarımızın özelliklerini tanımladık. Yaklaşık bir milyon nesneden oluşan veri setinde süper güçlü süpernovalar, Tip Ia süpernovalar, Tip II süpernovalar ve gelgitler arıyorduk. Bozulma olayları”, makalenin ortak yazarı ve Urbana-Champaign’deki Illinois Üniversitesi’nde doktora sonrası araştırmacı olan Konstantin Malanchev’i açıklıyor. “Bu tür nesne sınıflarına anomaliler diyoruz. Bunlar ya çok nadirdir, özellikleri az bilinir ya da daha fazla çalışmayı hak edecek kadar ilginç görünürler.”

Gerçek nesnelerden gelen ışık eğrisi verileri daha sonra kD ağaç algoritması kullanılarak simülasyonlarla karşılaştırıldı. Bir kD ağacı, alanı hiper düzlemler, düzlemler, çizgiler veya noktalarla keserek daha küçük parçalara bölmek için kullanılan geometrik bir veri yapısıdır. Mevcut araştırmada, bu algoritma, yedi simülasyonda açıklananlara benzer özelliklere sahip gerçek nesneler aranırken arama aralığını daraltmak için kullanıldı.

Ardından ekip, her simülasyon için en yakın 15 komşuyu, yani ZTF veritabanındaki gerçek nesneleri belirledi – toplamda 105 eşleşme, araştırmacılar daha sonra anormallikleri kontrol etmek için görsel olarak incelediler. Manuel doğrulama, yedi tanesi süpernova adayı ve dördü gelgit bozulma olaylarının meydana gelebileceği aktif galaktik çekirdek adayları olan 11 anomaliyi doğruladı.

Makalenin ortak yazarı ve Sternberg Astronomi Enstitüsü’nde araştırma görevlisi olan Maria Pruzhinskaya, “Bu çok iyi bir sonuç” diyor. “Zaten keşfedilen nadir nesnelere ek olarak, daha önce gökbilimciler tarafından gözden kaçırılan birkaç yeni nesneyi tespit edebildik. Bu, bu tür nesneleri kaçırmamak için mevcut arama algoritmalarının geliştirilebileceği anlamına geliyor.”

Bu çalışma, yöntemin oldukça etkili olduğunu ve uygulanmasının nispeten kolay olduğunu göstermektedir. Belirli bir türdeki uzay olaylarını tespit etmek için önerilen algoritma evrenseldir ve nadir görülen süpernova türleri ile sınırlı olmayan herhangi bir ilginç astronomik nesneyi keşfetmek için kullanılabilir.

HSE Üniversitesi Fizik Fakültesi’nden Doçent Matvey Kornilov’a göre, “Henüz keşfedilmemiş olan astronomik ve astrofiziksel fenomenler aslında anomalilerdir”. “Gözlemlenen tezahürlerinin bilinen nesnelerin özelliklerinden farklı olması bekleniyor. Gelecekte, yeni nesne sınıfları keşfetmek için yöntemimizi kullanmayı deneyeceğiz.”

Ulusal Araştırma Üniversitesi Ekonomi Yüksek Okulu tarafından sağlanmıştır