NASA Swift uydusu ve yapay zeka, en uzak gama ışını patlamalarının mesafesini ortaya çıkarıyor

Yapay zekanın ortaya çıkışı, hayatımızın neredeyse her yönünü iyileştirecek bir olasılıklar evreninin önünü açtığı için birçok kişi tarafından toplumsal oyunun kurallarını değiştiren bir gelişme olarak selamlandı.

Gökbilimciler artık evrenimizin genişlemesini ölçmek için kelimenin tam anlamıyla yapay zekayı kullanıyor.

UNLV’nin Nevada Astrofizik Merkezi’nde misafir profesör ve Japonya Ulusal Astronomi Gözlemevi’nde (NAOJ) yardımcı doçent olan Maria Dainotti’nin liderliğindeki iki yeni çalışma, gama ışını için mesafe ölçümlerine yeni bir hassasiyet düzeyi eklemek üzere birden fazla makine öğrenimi modelini birleştirdi. patlamalar (GRB’ler) — evrendeki en parlak ve şiddetli patlamalar.

GRB’ler sadece birkaç saniye içinde güneşimizin tüm ömrü boyunca saldığı enerji miktarının aynısını serbest bırakır. Çok parlak oldukları için GRB’ler, görünür evrenin sınırları da dahil olmak üzere birden fazla mesafeden gözlemlenebilir ve gökbilimcilere en eski ve en uzak yıldızları takip etme arayışlarında yardımcı olur. Ancak mevcut teknolojinin sınırları nedeniyle, bilinen GRB’lerin yalnızca küçük bir yüzdesi, gökbilimcilerin ne kadar uzakta oluştuklarını hesaplamalarına yardımcı olacak tüm gözlemsel özelliklere sahiptir.

Dainotti ve ekipleri, mevcut gözlem teknolojisinin sınırlamalarının üstesinden gelmek ve daha kesin olarak, mesafenin bilinmediği GRB’lerin yakınlığını tahmin etmek için NASA’nın Neil Gehrels Swift Gözlemevi’nden alınan GRB verilerini birden fazla makine öğrenme modeliyle birleştirdi. GRB’ler hem uzak hem de nispeten yakın mesafelerde gözlemlenebildiğinden, bunların nerede oluştuğunu bilmek, bilim adamlarının yıldızların zaman içinde nasıl geliştiğini ve belirli bir uzay ve zamanda kaç tane GRB’nin oluşabileceğini anlamalarına yardımcı olabilir.

Dainotti, “Bu araştırma hem gama ışını astronomisinde hem de makine öğreniminde sınırları ileriye taşıyor” dedi. “Takip araştırması ve yenilik, daha güvenilir sonuçlara ulaşmamıza yardımcı olacak ve evrenimizin en eski süreçleri ve zaman içinde nasıl geliştiği de dahil olmak üzere en acil kozmolojik soruların bazılarını yanıtlamamızı sağlayacak.”

Yapay Zeka, Derin Uzay Gözleminin Sınırlarını Artırıyor Polonya’daki Jagiellonian Üniversitesi’nde son sınıf doktora öğrencisi olan Dainotti ve Aditya Narendra, bir çalışmada, uzay Swift UltraViolet/Optik Teleskobu tarafından gözlemlenen GRB’lerin mesafesini hassas bir şekilde ölçmek için çeşitli makine öğrenme yöntemlerini kullandılar ( UVOT) ve Subaru Teleskobu da dahil olmak üzere yer tabanlı teleskoplar. Ölçümler yalnızca mesafeyle ilgili olmayan diğer GRB özelliklerine dayanıyordu. Araştırma şuydu: 23 Mayıs’ta yayınlandı Astrofizik Günlük Mektupları.

Narendra, “Bu çalışmanın sonucu o kadar kesindir ki, belirli bir hacim ve zamandaki (oran olarak adlandırılan) GRB’lerin sayısını tahmin edilen mesafeyi kullanarak belirleyebiliriz; bu, gerçek gözlemlenen tahminlere çok yakındır” dedi.

Dainotti ve uluslararası işbirlikçileri tarafından yürütülen bir başka çalışma, NASA’nın Swift X-ışını Teleskobu’ndan (XRT) uzun GRB’ler olarak bilinen gün batımı sonrası parlamalardan elde edilen verileri kullanarak makine öğrenimi ile GRB mesafesini ölçmede başarılı oldu. GRB’lerin farklı şekillerde meydana geldiğine inanılmaktadır. Uzun GRB’ler, büyük bir yıldızın ömrünün sonuna ulaşması ve muhteşem bir süpernova şeklinde patlamasıyla meydana gelir. Kısa GRB’ler olarak bilinen başka bir tür, nötron yıldızları gibi ölü yıldızların kalıntılarının yerçekimsel olarak birleşip birbirleriyle çarpışmasıyla meydana gelir.

Dainotti, bu yaklaşımın yeniliğinin, kolektif öngörü güçlerini geliştirmek için çeşitli makine öğrenimi yöntemlerinin birlikte kullanılmasından kaynaklandığını söylüyor. Superlearner adı verilen bu yöntem, her algoritmaya, değerleri 0 ila 1 arasında değişen bir ağırlık atar ve her ağırlık, o tekil yöntemin tahmin gücüne karşılık gelir.

Dainotti, “Superlearner’ın avantajı, nihai tahminin her zaman tekil modellerden daha performanslı olmasıdır” dedi. “Süper öğrenici aynı zamanda en az öngörücü olan algoritmaları atmak için de kullanılır.”

Bu çalışma, 26 Şubat’ta yayınlandı Astrofizik Dergisi, Ek Serisimesafenin bilinmediği 154 uzun GRB’nin mesafesini güvenilir bir şekilde tahmin eder ve bu tür patlamalar arasında bilinen mesafelerin popülasyonunu önemli ölçüde artırır.

GRB oluşumuna ilişkin kafa karıştırıcı soruları yanıtlamak

Üçüncü bir çalışma, 21 Şubat’ta yayınlandı Astrofizik Günlük Mektupları Stanford Üniversitesi’nden astrofizikçi Vahé Petrosian ve Dainotti liderliğindeki ekip, GRB oranının (en azından göreceli olarak küçük mesafelerde) yıldız oluşum hızını takip etmediğini göstererek kafa karıştırıcı soruları yanıtlamak için Swift X-ışını verilerini kullandı.

Petrosian, “Bu, küçük mesafelerdeki uzun GRB’lerin büyük yıldızların çöküşüyle ​​değil, daha ziyade nötron yıldızları gibi çok yoğun nesnelerin füzyonuyla üretilebileceği olasılığını ortaya çıkarıyor” dedi.

NASA’nın Swift Gözlemevi Konuk Araştırmacı programının (Döngü 19) desteğiyle Dainotti ve meslektaşları artık makine öğrenimi araçlarını etkileşimli bir web uygulaması aracılığıyla kamuya açık hale getirmek için çalışıyor.