ИИ обнаружил новые космические аномалии
|
Международная команда проекта SNAD, куда входит доцент факультета физики НИУ ВШЭ Матвей Корнилов, обнаружила 11 аномалий, семь из которых — кандидаты в сверхновые. Исследования проводились на цифровых снимках северного неба за 2018 год, для поиска использовался метод ближайших соседей на основе K-мерных деревьев. Автоматизировать поиск аномалий позволили методы машинного обучения. Исследование представлено в журнале New Astronomy. Большая часть астрономических открытий основана на наблюдениях и последующих расчетах. Еще в XX веке количество наблюдений было невелико, однако с вводом в строй широкопольных астрономических обзоров неба объемы получаемых данных многократно возросли. Например, Zwicky Transient Facility (ZTF) — широкопольный обзор северного неба — генерирует примерно 1,4 ТБ данных за ночь наблюдений, а его каталог содержит миллиарды объектов. |
Обрабатывать такое количество данных вручную сложно и дорого, поэтому команда проекта SNAD, объединяющего ученых из России, Франции и США, решала задачу автоматизации этого процесса. Чтобы больше узнать об астрономических объектах, ученые анализируют их кривые блеска — зависимости блеска объекта от времени. Сначала регистрируют вспышку на небе, затем фиксируют, как ее блеск эволюционирует: становится более ярким, ослабевает или совсем гаснет. Для исследования ученые взяли миллион кривых блеска реальных объектов из каталога Zwicky Transient Facility за 2018 год, а также составили семь симулированных кривых блеска объектов исследуемых типов. Всего учитывалось около 40 свойств, например амплитуда яркости объекта и периодичность. |
«Мы описали свойства симуляций набором характеристик, который ожидали увидеть у реальных астрономических тел. Среди миллиона объектов мы искали сверхмощные сверхновые, сверхновые типа Iа, сверхновые II типа и события приливного разрыва, — объясняет один из авторов статьи постдок в университете Иллинойса в Урбане-Шампейне Константин Маланчев. — Такие классы объектов мы называем аномалиями. Они встречаются очень редко и их свойства малоизучены, либо это интересные объекты для более подробного исследования». Затем данные кривых блеска реальных объектов сопоставляли с симуляциями с помощью метода K-мерных деревьев. K-мерное дерево — это специальная геометрическая структура данных, которая позволяет разбить пространство на меньшие части, рассекая его гиперплоскостями, плоскостями, прямыми или точками. Разбиение используют для сужения диапазона поиска в K-мерном пространстве, где ищут объект со свойствами, максимально похожими на те, что описаны в семи симуляциях. |
В результате на каждую из семи симуляций было найдено 15 наиболее похожих, реально существующих объектов из базы ZTF. Всего получилось 105 объектов. Их исследователи анализировали вручную и проверяли, являются ли они аномалиями. После ручной проверки подтвердились 11 аномалий, семь из них — кандидаты в сверхновые, а еще четыре — активные ядра галактик, в которых могут происходить события приливного разрыва. «Это очень хороший результат, — комментирует один из авторов статьи Мария Пружинская, научный сотрудник Государственного астрономического института имени П. К. Штернберга. — Причем у нас получилось обнаружить не только уже открытые редкие объекты, но и несколько новых, которые были пропущены астрономическим сообществом. Это значит, что можно отладить существующие алгоритмы поиска, чтобы такие объекты больше не пропускать». |
Исследование показало, что данный метод действительно эффективен, при этом довольно прост в реализации. Предложенная методика поиска объектов определенного типа универсальна и может быть применена для открытия не только редких типов сверхновых, но и других интересных астрономических объектов. «Астрономические или астрофизические явления, которые не были обнаружены учеными ранее, тоже являются аномалиями, — поясняет доцент факультета физики НИУ ВШЭ Матвей Корнилов. — Наблюдательные проявления таких объектов должны отличаться от свойств уже известных объектов. В будущем мы планируем применять нашу методику для открытия новых классов объектов». |
Источник |