Makine öğrenimi araçları, 1.000 süpernovayı otonom olarak sınıflandırır

Caltech’teki gökbilimciler, 1.000 süpernovayı tamamen özerk bir şekilde sınıflandırmak için bir makine öğrenimi algoritması kullandılar. Algoritma, Caltech’in Palomar Gözlemevinde bulunan bir gökyüzü araştırma aracı olan Zwicky Geçici Tesisi veya ZTF tarafından yakalanan verilere uygulandı.

Caltech’te kadrolu astronom ve yeni algoritmanın arkasındaki beyin Christoffer Fremling, “Bir yardıma ihtiyacımız vardı ve bilgisayarlarımızı işi yapacak şekilde eğittikten sonra sırtımızdan büyük bir yük alacaklarını biliyorduk” diyor. SNI skoru. “SNIAscore, Nisan 2021’de ilk süpernovasını sınıflandırdı ve bir buçuk yıl sonra, 1.000 süpernova ile güzel bir dönüm noktasına ulaşıyoruz.”

ZTF, geçici olaylar adı verilen değişiklikleri aramak için her gece gece gökyüzünü tarar. Bu, hareket eden asteroitlerden yıldızları yeni yemiş karadeliklere ve süpernova olarak bilinen patlayan yıldızlara kadar her şeyi içerir. ZTF, dünyanın dört bir yanındaki astronomlara her gece yüzbinlerce uyarı göndererek onları bu geçici olaylar hakkında bilgilendirir. Gökbilimciler daha sonra değişen nesnelerin doğasını takip etmek ve araştırmak için diğer teleskopları kullanırlar. Şimdiye kadar, ZTF verileri binlerce süpernovanın keşfedilmesine yol açtı.

Ancak, her gece akan amansız miktarda veriyle, ZTF ekibinin üyeleri tüm verileri kendi başlarına sıralayamazlar.

ZTF proje bilimcisi ve Caltech’te astronomi araştırma profesörü olan Matthew Graham, “Gözlemevinde oturan ve teleskop görüntülerini inceleyen geleneksel bir astronom kavramı, çok fazla romantizm taşıyor ancak gerçeklikten uzaklaşıyor” diyor.

Bunun yerine ekip, aramalara yardımcı olması için makine öğrenimi algoritmaları geliştirdi. Aday süpernovaları sınıflandırma görevi için SNIascore geliştirdiler. Süpernovalar iki geniş sınıfa ayrılır: Tip I ve Tip II. Tip I süpernovalar hidrojenden yoksunken, Tip II süpernovalar hidrojen açısından zengindir. En yaygın Tip I süpernova, büyük bir yıldız komşu bir yıldızdan madde çaldığında meydana gelir ve bu da bir termonükleer patlamayı tetikler. Bir Tip II süpernova, büyük bir yıldız kendi yerçekimi altında çöktüğünde meydana gelir.

Şu anda SNIascore, Tip Ia süpernovalar veya gökyüzündeki “standart mumlar” olarak bilinenleri sınıflandırabilir. Bunlar, tutarlı bir güçte bir termonükleer patlamayla patlayan ölmekte olan yıldızlardır. Tip la süpernovalar, astronomların evrenin genişleme oranını ölçmelerine olanak tanır. Fremling ve meslektaşları şu anda yakın gelecekte diğer süpernova türlerini sınıflandırmak için algoritmanın yeteneklerini genişletmek için çalışıyorlar.

ZTF her gece gökyüzünde süpernova olabilecek parlamaları yakaladıktan sonra, verileri Palomar’da sadece birkaç yüz metre ötedeki bir kubbede yer alan ve SEDM (Spektral Enerji Dağıtım Makinesi) adı verilen bir spektrografa gönderir. SNIascore, hangi süpernovaların muhtemelen Tip Ia olduğunu sınıflandırmak için SEDM ile birlikte çalışır. Sonuç olarak, ZTF ekibi, gökbilimcilerin güçlü yıldız patlamalarının fiziğini daha fazla araştırmaları ve nihai olarak öğrenmeleri için hızla daha güvenilir bir süpernova veri seti oluşturuyor.

Fremling, “SNIAscore dikkat çekecek derecede doğru. 1.000 süpernovadan sonra, algoritmanın gerçek dünyada nasıl performans gösterdiğini gördük” diyor. “Nisan 2021’de piyasaya sürüldüğünden beri açıkça yanlış sınıflandırılmış hiçbir olay bulamadık ve şimdi aynı algoritmayı diğer gözlem tesisleriyle uygulamayı planlıyoruz.”

ZTF için makine öğrenimi etkinliklerine liderlik eden ve Caltech’in Veriye Dayalı Keşif Merkezi’nde lider hesaplama ve veri bilimcisi olarak hizmet veren Ashish Mahabal, “Bu çalışma, makine öğrenimi uygulamalarının neredeyse gerçek zamanlı astronomide nasıl reşit olduğunu gösteriyor” diye ekliyor.