Ein internationales Team von SNAD-Forschern hat 11 bisher unbekannte kosmische Anomalien entdeckt, von denen 7 Supernova-Kandidaten sind. Die Forscher analysierten digitale Bilder des Nordhimmels, die 2018 aufgenommen wurden, um Anomalien mit der Methode des „nächsten Nachbarn“ zu erkennen. Algorithmen für maschinelles Lernen halfen dabei, die Suche zu automatisieren.
Mit dem Aufkommen groß angelegter astronomischer Vermessungen hat die Datenmenge dramatisch zugenommen. Beispielsweise erzeugt die Zwicky Transient Facility (ZTF), die mit einer Kamera den Nordhimmel vermisst, etwa 1,4 TB Daten pro Beobachtungsnacht, und ihr Katalog enthält Milliarden von Objekten. Die manuelle Verarbeitung solch großer Datenmengen ist sehr zeitaufwändig, daher hat sich ein Team von SNAD-Forschern aus Frankreich, den USA und anderen Ländern zusammengeschlossen, um eine automatisierte Lösung zu entwickeln.
In dieser Studie untersuchten die Wissenschaftler eine Million echte Lichtkurven aus dem ZTF-Katalog 2018 und sieben Echtzeit-Lichtkurvenmodelle für die untersuchten Objekttypen. Insgesamt überwachten sie etwa 40 Parameter, darunter die Helligkeitsamplitude des Objekts und das Zeitintervall.
„Wir haben die Eigenschaften unserer Simulationen anhand einer Reihe von Merkmalen beschrieben, von denen erwartet wird, dass sie in echten astronomischen Körpern beobachtet werden. In einem Datensatz von etwa einer Million Objekten haben wir nach Supernovae, Typ-Ia-Supernovae, Typ-II-Supernovae und Gezeitenkollaps-Ereignissen gesucht“, erklärt Kostyantyn Malanchev, Postdoc an der University of Illinois at Urbana-Champaign.
Als nächstes wurden die Daten der Helligkeitskurven realer Objekte mit den Simulationsdaten unter Verwendung des kd-Tree-Algorithmus verglichen. Anschließend identifizierte das Team für jede Simulation von insgesamt 15 Matches 105 nächste Nachbarn, also reale Objekte aus der ZTF-Datenbank, die die Forscher visuell auf Anomalien überprüften. Die manuelle Inspektion bestätigte 11 Anomalien, von denen 7 Kandidaten für Supernovae und 4 Kandidaten für aktive galaktische Kerne waren, in denen Gezeitenstörungen aufgetreten sein könnten.
Diese Studie zeigt, dass die Methode sehr effektiv und einfach anzuwenden ist. Der vorgeschlagene Algorithmus zur Erkennung kosmischer Phänomene eines bestimmten Typs ist universell und kann verwendet werden, um alle interessanten astronomischen Objekte zu erkennen, die nicht auf seltene Arten von Supernovae beschränkt sind.
Sie können der Ukraine helfen, gegen die russischen Invasoren zu kämpfen. Der beste Weg, dies zu tun, besteht darin, Gelder an die Streitkräfte der Ukraine zu spenden Das Leben retten oder über die offizielle Seite NBU.
Lesen Sie auch:
- Der ehemalige Google-Chef verglich künstliche Intelligenz mit Atomwaffen
- Die künstliche Intelligenz von Meta kann Ärzten helfen, die besten Prothesen zu entwickeln