Бесплатно Экспресс-аудит сайта:

28.05.2024

ИИ охотится за гамма-всплесками и помогает измерить масштабы Вселенной

Наступление эры искусственного интеллекта многими рассматривается как поворотный момент для всего человечества, открывающий невероятные возможности для улучшения практически всех сторон нашей жизни. А астрономы теперь буквально используют ИИ, чтобы выяснить, как расширяется наша необъятная Вселенная.

В исследовательских работах под руководством Марии Дайнотти, профессора из Университета Невады в Лас-Вегасе, и доцента Национальной астрономической обсерватории Японии, модели машинного обучения позволили повысить точность измерений расстояния до гамма-всплесков — самых ярких и мощных взрывов во Вселенной.

За считанные секунды гамма-всплески высвобождают объем энергии, равный тому, что наше Солнце излучает за всю свою жизнь. Наблюдать их можно на огромных расстояниях, вплоть до границ видимой Вселенной, что помогает астрономам в их стремлении разыскать древнейшие и самые далекие звезды. Однако из-за ограничений современных технологий лишь малая доля известных гамма-всплесков обладает всеми необходимыми характеристиками для расчета дистанции, на которой они произошли.

Поскольку гамма-всплески можно отследить как на огромных расстояниях, так и относительно близко к Земле, знание о точных координатах их возникновения позволит ученым лучше понять, как эволюционируют звезды с течением времени, а также вычислить частоту появления гамма-всплесков в заданном объеме пространства-времени.

«Это исследование продвигает границы как гамма-астрономии, так и машинного обучения, — отметила Дайнотти. — Последующие научные работы и инновации помогут нам достичь еще более надежных результатов и ответить на некоторые из самых насущных космологических вопросов, включая ранние процессы формирования нашей Вселенной и ход ее эволюции с течением времени».

В одной из работ Мария Дайнотти и аспирант Адитья Нарендра проанализировали данные, полученные космическим ультрафиолетовым/оптическим телескопом Swift UVOT, а также наземными устройствами, включая знаменитый Subaru. Расстояния рассчитывались исключительно по параметрам всплесков, не связанным с их удаленностью. Результаты были опубликованы 23 мая в авторитетном научном журнале Astrophysical Journal Letters.

«Итоговая точность настолько высока, что по предсказанному расстоянию мы можем определить количество гамма-всплесков в заданном объеме и периоде времени (называемое частотой), и эта величина очень близка к фактическим данным», — пояснил Нарендра.

В другом исследовании анализировались данные о длительных послесвечениях, полученные рентгеновским телескопом Swift XRT.

Новизна подхода Дайнотти, по ее словам, заключается в одновременном применении сразу нескольких методов машинного обучения для повышения их совокупной предсказательной способности. Этот метод, получивший название Superlearner, назначает каждому алгоритму весовой коэффициент от 0 до 1 в соответствии с его индивидуальной прогностической силой.

«Преимущество Superlearner в том, что его финальный прогноз всегда превосходит возможности отдельных моделей, — пояснила Дайнотти. — Superlearner также позволяет отсеивать наименее предсказуемые алгоритмы».

Результаты третьего исследования , проведенного Марией совместно с астрофизиком Стэнфордского университета Ваге Петросяном, помогли пролить свет на один из самых загадочных вопросов, связанных с происхождением гамма-всплесков. Анализ рентгеновских данных телескопа Swift показал, что частота взрывов, по крайней мере на относительно небольших расстояниях от Земли, не совпадает с темпами звездообразования в этих областях пространства.

Это наблюдение натолкнуло ученых на предположение, что длительные гамма-всплески вблизи нашей Галактики могут быть порождены не классическим сценарием - коллапсом массивных звезд в финальной стадии их эволюции. Вместо этого их источником может служить гравитационное слияние сверхплотных компактных объектов, таких как нейтронные звезды. Таким образом, причины длительных гамма-всплесков на разных расстояниях могут различаться, требуя дальнейшего изучения.

При поддержке программы гостевых исследователей космического телескопа NASA Swift (цикл 19) Дайнотти и ее коллеги в настоящее время работают над тем, чтобы сделать инструменты машинного обучения общедоступными через интерактивное веб-приложение.