Kansainvälinen SNAD-tutkijoiden ryhmä on löytänyt 11 aiemmin tuntematonta kosmista poikkeavuutta, joista 7 on supernovaehdokkaita. Tutkijat analysoivat vuonna 2018 otettuja pohjoisen taivaan digitaalisia kuvia havaitakseen poikkeavuuksia "lähimmän naapurin" menetelmällä. Koneoppimisalgoritmit auttoivat automatisoimaan haun.
Laajamittaisten tähtitieteellisten tutkimusten myötä tiedon määrä on kasvanut dramaattisesti. Esimerkiksi Zwicky Transient Facility (ZTF), joka käyttää kameraa pohjoisen taivaan tutkimiseen, tuottaa noin 1,4 TB dataa havainnointiyötä kohden, ja sen luettelo sisältää miljardeja esineitä. Tällaisten suurten tietomäärien manuaalinen käsittely on erittäin aikaa vievää, joten SNAD-tutkijoiden ryhmä Ranskasta, Yhdysvalloista ja muista maista yhdisti voimansa kehittääkseen automatisoidun ratkaisun.
Tässä tutkimuksessa tutkijat tutkivat miljoonaa todellista valokäyrää vuoden 2018 ZTF-luettelosta ja seitsemää reaaliaikaista valokäyrämallia tutkittavien kohteiden tyypeille. Yhteensä he tarkkailivat noin 40 parametria, mukaan lukien kohteen kirkkausamplitudi ja aikaväli.
"Kuvailimme simulaatioidemme ominaisuuksia käyttämällä ominaisuuksia, joita odotetaan havaittavissa todellisissa tähtitieteellisissä kappaleissa. Noin miljoonan kohteen tietojoukosta etsimme supernoveja, tyypin Ia supernoveja, tyypin II supernoveja ja vuoroveden romahtamistapahtumia", selittää Kostyantyn Malanchev, postdoc Illinoisin yliopistosta Urbana-Champaignista.
Seuraavaksi todellisten kohteiden kirkkauskäyrien tietoja verrattiin simulaatiotietoihin kd-tree-algoritmilla. Myöhemmin ryhmä tunnisti 15 lähintä naapuria, eli todellisia esineitä ZTF-tietokannasta, jokaista simulaatiota varten yhteensä 105 ottelua, jotka tutkijat tarkastivat silmämääräisesti poikkeavuuksien varalta. Manuaalinen tarkastus vahvisti 11 poikkeavaa, joista 7 oli supernovaehdokkaita ja 4 ehdokkaita aktiivisille galaksisille ytimille, joissa vuorovesihäiriötapahtumia olisi voinut tapahtua.
Tämä tutkimus osoittaa, että menetelmä on erittäin tehokas ja helppokäyttöinen. Ehdotettu algoritmi tietyn tyyppisten kosmisten ilmiöiden havaitsemiseksi on universaali, ja sitä voidaan käyttää kaikkien mielenkiintoisten tähtitieteellisten kohteiden havaitsemiseen, ei rajoitu harvinaisiin supernovatyyppeihin.
Voit auttaa Ukrainaa taistelemaan venäläisiä hyökkääjiä vastaan. Paras tapa tehdä tämä on lahjoittaa varoja Ukrainan asevoimille Pelasta elämä tai virallisen sivun kautta NBU.
Lue myös:
- Googlen entinen johtaja vertasi tekoälyä ydinaseisiin
- Metan tekoäly voi auttaa lääkäreitä suunnittelemaan parhaat proteesit