Команда американских ученых разработала новый алгоритм машинного обучения, который позволит с помощью нейросетей определять и классифицировать взрывы сверхновых на основе видимых характеристик с точностью более 80%, не используя при этом спектральные данные. Ученые опубликовали алгоритм и программное обеспечение к нему в открытом доступе, что позволит быстро и эффективно обрабатывать данные о новых взрывах сверхновых, которые астрономы ежегодно получают в огромных количествах. Статья опубликована в Astrophysical Journal.
Исследователи из Гарвард-Смитсоновского центра астрофизики совместно с коллегами из других университетов США создали программу, которая может определять и классифицировать различные типы сверхновых на основе кривых блеска и изменения яркости с течением времени. «В обзоре Pan-STARRS1 Medium Deep Survey представлено около 2500 сверхновых с кривыми блеска, из них для 500 сверхновых представлены спектральные данные, которые можно использовать для классификации, — рассказывает первый автор исследования Гриффин Хоссейнзаде. — Мы обучили искусственный интеллект, используя эти 500, чтобы классифицировать оставшиеся сверхновые, спектр которых мы не можем наблюдать».
Хотя это не первый проект, в котором машинное обучение используется для классификации сверхновых, это первый раз, когда астрономы использовали для обучения искусственного интеллекта реальный набор данных, а не моделирование, основанное на предположении о том, как будет выглядеть кривая блеска сверхновой, которое может не учитывать какие-то неизвестные параметры. Точность нового алгоритма составляет 80–90%.
Открытие имеет значение не только для анализа архивных данных, но и для материала, который будет собираться будущими телескопами. Например, Обсерватория имени Веры Рубин, которая будет открыта в 2023 году, будет обнаруживать миллионы сверхновых ежегодно, и новые методы обработки этих данных позволят астрономам сильно сэкономить время анализа. Сейчас каждый год обнаруживается около 10 тыс. сверхновых, а спектры ученые получают лишь для 10% из них. Наборы данных нового алгоритма будут общедоступными. Астрономы также создали простое в использовании программное обеспечение и опубликовали все данные Pan-STARRS1 Medium Deep Survey вместе с новыми классификациями для использования в других проектах.
