|
Определили расстояние до самых дальних гамма-всплесков
|
|
|
|
Многие считают, что появление искусственного интеллекта изменит правила игры в обществе, поскольку оно открывает множество возможностей для улучшения практически всех аспектов нашей жизни. В настоящее время астрономы в буквальном смысле используют искусственный интеллект для измерения расширения нашей Вселенной. В двух недавних исследованиях, проведенных под руководством Марии Дайнотти, приглашенного профессора Невадского центра астрофизики UNLV и доцента Национальной астрономической обсерватории Японии (NAOJ), было использовано множество моделей машинного обучения, чтобы повысить точность измерений расстояний до гамма-всплесков (GRB) — наиболее ярких и яростные взрывы во Вселенной. Всего за несколько секунд гамма-всплески выделяют столько же энергии, сколько выделяет наше солнце за всю свою жизнь. Благодаря своей яркости гамма—всплески можно наблюдать на разных расстояниях, в том числе на краю видимой Вселенной, и они помогают астрономам в их поисках самых старых и отдаленных звезд. Но из-за ограниченности современных технологий лишь небольшой процент известных гамма-всплесков обладает всеми наблюдательными характеристиками, необходимыми для того, чтобы помочь астрономам рассчитать, на каком расстоянии они произошли.
|
|
|
|
Дайнотти и ее команда объединили данные о гамма-всплесках, полученные из обсерватории Нейла Герелса Swift НАСА, с несколькими моделями машинного обучения, чтобы преодолеть ограничения современных технологий наблюдений и, более точно, оценить близость гамма-всплесков, расстояние до которых неизвестно. Поскольку гамма-всплески можно наблюдать как далеко, так и на относительно близких расстояниях, знание того, где они происходят, может помочь ученым понять, как звезды эволюционируют с течением времени и сколько гамма-всплесков может произойти в данном пространстве и времени. "Это исследование открывает новые горизонты как в гамма-астрономии, так и в машинном обучении", - сказал Дайнотти. - Дальнейшие исследования и инновации помогут нам достичь еще более надежных результатов и позволят ответить на некоторые из наиболее актуальных космологических вопросов, включая самые ранние процессы в нашей Вселенной и то, как она развивалась с течением времени".
|
|
|
В одном исследовании Дайнотти и Адитья Нарендра, аспирант последнего курса Польского Ягеллонского университета, использовали несколько методов машинного обучения для точного измерения расстояния до гамма-всплесков, наблюдаемых ультрафиолетовым/оптическим телескопом space Swift (UVOT) и наземными телескопами, в том числе телескоп "Субару". Измерения были основаны исключительно на других свойствах гамма-всплесков, не связанных с расстоянием. Исследование было опубликовано 23 мая в Astrophysical Journal Letters. "Результаты этого исследования настолько точны, что мы можем определить, используя прогнозируемое расстояние, количество гамма-всплесков в заданном объеме и в заданное время (так называемую частоту), что очень близко к фактическим наблюдаемым оценкам", - сказал Нарендра. В другом исследовании, проведенном Дайнотти и его международными коллегами, было успешно измерено расстояние до гамма-всплесков с помощью машинного обучения с использованием данных рентгеновского телескопа Swift (XRT) НАСА о послесвечении так называемых длинных гамма-всплесков. Считается, что гамма-всплески происходят по-разному.
|
|
|
|
Длинные гамма-всплески возникают, когда массивная звезда подходит к концу своего существования и взрывается, превращаясь в эффектную сверхновую. Другой тип, известный как короткие гамма-всплески, возникает, когда остатки умерших звезд, таких как нейтронные звезды, гравитационно сливаются и сталкиваются друг с другом. Дайнотти говорит, что новизна этого подхода заключается в совместном использовании нескольких методов машинного обучения для повышения их коллективной прогностической способности. Этот метод, называемый Superlearner, присваивает каждому алгоритму вес, значения которого варьируются от 0 до 1, причем каждый вес соответствует прогностической способности этого единственного метода. "Преимущество Superlearner в том, что итоговый прогноз всегда более эффективен, чем отдельные модели", - сказал Дайнотти. "Superlearner также используется для отказа от алгоритмов, которые являются наименее предсказуемыми".
|
|
|
|
Это исследование, опубликованное 26 февраля в серии дополнений к Astrophysical Journal, позволяет достоверно оценить расстояние до 154 длинных гамма-всплесков, для которых расстояние неизвестно, и значительно увеличивает количество известных расстояний между вспышками этого типа.
|
|
Ответы на загадочные вопросы о формировании гамма-всплесков Третье исследование, опубликованное 21 февраля в Astrophysical Journal Letters и проведенное астрофизиками из Стэнфордского университета Ваге Петросяном и Дайнотти, использовало данные рентгеновского снимка, чтобы ответить на загадочные вопросы, показав, что скорость гамма-всплесков — по крайней мере, на небольших относительных расстояниях — не зависит от скорости звездообразования. "Это открывает возможность того, что длинные гамма-всплески на небольших расстояниях могут быть вызваны не коллапсом массивных звезд, а скорее слиянием очень плотных объектов, таких как нейтронные звезды", - сказал Петросян. При поддержке программы приглашенных исследователей обсерватории Swift НАСА (цикл 19) Дайнотти и ее коллеги в настоящее время работают над тем, чтобы сделать инструменты машинного обучения общедоступными через интерактивное веб-приложение.
|
|
|
|
Источник
|
