Hành trình Khoa học, Không gian và Thời gian!
Các nhà khoa học đã đào tạo phần mềm máy học để phân loại siêu tân tinh mà không cần sử dụng quang phổ truyền thống. Dự án – dự án đầu tiên sử dụng dữ liệu siêu tân tinh thực để cung cấp thông tin cho trí tuệ nhân tạo của mình – có độ chính xác 82%. Hiện tại, các nhà khoa học chụp quang phổ của 10% trong số ~ 10.000 siêu tân tinh được phát hiện mỗi năm. Khi Đài quan sát Rubin trực tuyến, chỉ 0,1% các khám phá siêu tân tinh dự kiến sẽ được nghiên cứu thêm mà không có phần mềm mới.
Trí tuệ nhân tạo đang phân loại các vụ nổ siêu tân tinh thực sự mà không cần sử dụng quang phổ, nhờ vào một nhóm các nhà thiên văn học tại Trung tâm Vật lý Thiên văn | Harvard & Smithsonian. Các bộ dữ liệu hoàn chỉnh và các phân loại kết quả được công bố rộng rãi để sử dụng mở.
Bằng cách đào tạo mô hình học máy để phân loại siêu tân tinh dựa trên đặc điểm nhìn thấy của chúng, các nhà thiên văn học đã có thể phân loại dữ liệu thực từ Khảo sát sâu trung bình Pan-STARRS1 cho 2.315 siêu tân tinh với tỷ lệ chính xác 82% mà không cần sử dụng quang phổ.
Các nhà thiên văn học đã phát triển một chương trình phần mềm phân loại các loại sao băng khác nhau dựa trên đường cong ánh sáng của chúng, hoặc độ sáng của chúng thay đổi như thế nào theo thời gian. Griffin Hosseinzadeh, nhà nghiên cứu sau tiến sĩ tại CfA và là tác giả chính của nghiên cứu đầu tiên cho biết: “Chúng tôi có khoảng 2.500 siêu tân tinh có đường cong ánh sáng từ Khảo sát Sâu Trung bình Pan-STARRS1, và trong số đó, 500 siêu tân tinh có quang phổ có thể được sử dụng để phân loại trong số hai bài báo đăng trên Tạp chí Vật lý thiên văn (The Astrophysical Journal). “Chúng tôi đã đào tạo người phân loại bằng cách sử dụng 500 siêu tân tinh đó để phân loại các siêu tân tinh còn lại mà chúng tôi không thể quan sát được quang phổ.”
Edo Berger, một nhà thiên văn học tại CfA giải thích rằng bằng cách yêu cầu trí tuệ nhân tạo trả lời các câu hỏi cụ thể, kết quả ngày càng chính xác hơn. “Máy học tìm kiếm mối tương quan với 500 nhãn quang phổ ban đầu. Chúng tôi yêu cầu nó so sánh các siêu tân tinh trong các danh mục khác nhau: màu sắc, tốc độ tiến hóa hoặc độ sáng. Bằng cách cung cấp cho nó kiến thức thực tế hiện có, nó dẫn đến độ chính xác cao nhất, giữa 80 và 90 phần trăm. “
Mặc dù đây không phải là dự án máy học đầu tiên để phân loại siêu tân tinh, nhưng đây là lần đầu tiên các nhà thiên văn học có quyền truy cập vào một tập dữ liệu thực đủ lớn để đào tạo một bộ phân loại siêu tân tinh dựa trên trí tuệ nhân tạo, giúp có thể tạo ra các thuật toán học máy mà không cần sử dụng mô phỏng.
Hosseinzadeh nói: “Nếu bạn tạo ra một đường cong ánh sáng mô phỏng, điều đó có nghĩa là bạn đang đưa ra giả định về những siêu tân tinh sẽ trông như thế nào, và bộ phân loại của bạn cũng sẽ tìm hiểu những giả định đó. “Bản chất sẽ luôn tạo ra một số phức tạp bổ sung mà bạn không tính đến, có nghĩa là trình phân loại của bạn sẽ không hoạt động tốt trên dữ liệu thực như đã làm trên dữ liệu mô phỏng. Bởi vì chúng tôi đã sử dụng dữ liệu thực để đào tạo bộ phân loại của mình, điều đó có nghĩa là độ chính xác được đo của chúng tôi có lẽ đại diện hơn cho cách các bộ phân loại của chúng tôi sẽ hoạt động trong các cuộc khảo sát khác. ” Berger cho biết, khi bộ phân loại phân loại các siêu tân tinh, “Chúng tôi sẽ có thể nghiên cứu chúng trong quá trình nhìn lại và theo thời gian thực để chọn ra các sự kiện thú vị nhất để theo dõi chi tiết. Chúng tôi sẽ sử dụng thuật toán để giúp chúng tôi chọn ra các kim và cũng để nhìn vào đống cỏ khô. “
Dự án có ý nghĩa không chỉ đối với dữ liệu lưu trữ mà còn đối với dữ liệu sẽ được thu thập bởi các kính thiên văn trong tương lai. Đài thiên văn Vera C. Rubin dự kiến sẽ hoạt động vào năm 2023 và sẽ dẫn đến việc phát hiện ra hàng triệu siêu tân tinh mới mỗi năm. Điều này mang lại cả cơ hội và thách thức cho các nhà vật lý thiên văn, nơi thời gian sử dụng kính thiên văn hạn chế dẫn đến việc phân loại quang phổ bị hạn chế.
Ashley Villar, một nghiên cứu sinh của Simons Junior tại Đại học Columbia và là tác giả chính trong phần hai của hai bài báo cho biết: “Khi Đài quan sát Rubin trực tuyến, nó sẽ tăng tỷ lệ phát hiện ra sao băng của chúng ta lên gấp 100 lần, nhưng tài nguyên quang phổ của chúng ta sẽ không tăng lên. , nói thêm rằng mặc dù khoảng 10.000 siêu tân tinh hiện được phát hiện mỗi năm, các nhà khoa học chỉ chụp phổ của khoảng 10% các vật thể đó. “Nếu điều này đúng, có nghĩa là chỉ 0,1% siêu tân tinh được Đài quan sát Rubin phát hiện mỗi năm sẽ được gắn nhãn quang phổ. 99,9% dữ liệu còn lại sẽ không thể sử dụng được nếu không có các phương pháp như của chúng tôi.”
Không giống như những nỗ lực trước đây, nơi các tập dữ liệu và phân loại chỉ có sẵn cho một số giới hạn các nhà thiên văn học, các tập dữ liệu từ thuật toán học máy mới sẽ được công bố rộng rãi. Các nhà thiên văn học đã tạo ra phần mềm dễ sử dụng, có thể truy cập và cũng phát hành tất cả dữ liệu từ Khảo sát Độ sâu Trung bình Pan-STARRS1 cùng với các phân loại mới để sử dụng trong các dự án khác. Hosseinzadeh nói, “Điều thực sự quan trọng đối với chúng tôi là những dự án này hữu ích cho toàn bộ cộng đồng siêu tân tinh, không chỉ cho nhóm của chúng tôi. Có rất nhiều dự án có thể được thực hiện với những dữ liệu này mà chúng tôi không bao giờ có thể tự mình thực hiện chúng” Berger nói thêm, “Những dự án này là dữ liệu mở cho khoa học mở.”
Dự án này được tài trợ một phần bởi khoản tài trợ từ Quỹ Khoa học Quốc gia (NSF) và Sáng kiến Khoa học Dữ liệu Harvard (HDSI).
Nguồn truyện:
Tài liệu do Trung tâm Vật lý Thiên văn Harvard-Smithsonian cung cấp . Lưu ý: Nội dung có thể được chỉnh sửa về kiểu dáng và độ dài.
Tài liệu tham khảo Tạp chí :