超新星算法无错误的分类1000颗垂死的恒星

By Robert Lea

2022/12/15

Science & Astronomy

机器学习应用程序正在接近实时天文学中到来

来自加州理工学院的天文学家们已经用了一种机器算法来分类被垂死的恒星爆炸造成的1000颗超新星。

这个名为SNIascore的算法从兹威基瞬态设施（ZTF）收集的数据创建了目录。兹威基瞬态设备是一个位于加州理工学院帕洛玛天文台的塞缪尔·奥申望远镜上的一种天空勘察仪器。

为短暂的或瞬态事件扫描夜空能包括从竞赛的小行星到喂养黑洞和超新星的一切，兹威基瞬态设施每晚产生大量的数据。以至于兹威基瞬态设施团队成员不能单独筛选它，导致开发SNIascore的来协助这一艰巨的任务。

加州理工学院的天文学家和新算法背后的策划者克里斯特奥弗·弗雷林在一份声明中说 ，“我们需要一个帮助的手，我们知道一旦我们训练我们的计算机来做这项工作，它们会从我们背上卸下一个很大的负担”。

加州理工学院帕洛玛天文台的兹威基瞬态设施仪器。. (Image credit: Caltech Optical Observatories)

自2017年兹威基瞬态设施首次观测以来，该勘察已经识别了数千颗超新星，它们能被分为两大类；缺乏氢的迹象的I型超新星，而相反富含氢的II型超新星------氢是宇宙中最简单、最轻的元素。

来自I型超新星最常见的形式当一颗大质量恒星从邻近的供体恒星剥离物质时发生，该物质落到它的表面并引发一个热核爆炸。另一方面，当大质量恒星耗尽核聚变所需的燃料时II型超新星发生，它们再不能支持它们自己抵御引力坍塌。

SNIascore用一种I型超新星的不同起源分类一种特殊的宇宙爆炸。当一颗垂死的恒星爆炸时这些发生并造成光输出如此均匀以致天文学家称之为“标准蜡烛”。

这些标准的蜡烛能被用来测量跨整个宇宙的宇宙距离，也可以用于测量宇宙正在膨胀的速率。

一颗红巨星随它成超新星的描画。(Image credit: ESO/L. Calçada)

每天晚上，在兹威基瞬态设施已经完成了搜索天空寻找瞬态事件和天体后，它收集的数据被传输到一个几百米外的圆顶，里面有一个叫做光谱能量分布机器（SEDM）的仪器。

然后，SNIascore与光谱能量分布机器一起对适合观察到的属于Ia类内的超新星进行分类。因此，兹威基瞬态设施团队正在建立一个可靠的超新星数据集，天文学家能利用它来更详细调查这些强大的恒星爆炸的物理学。

弗雷林说，“ 2021年4月SNIascore分类它的第一颗超新星，一年半后我们正在击中1000颗超新星的里程碑。SNIascore是非常准确的。在1000颗超新星之后，我们已经看到了该算法在真实世界中的表现”。

弗雷林补充说自去年4月以来，兹威基瞬态设施团队已经发现SNIascore没有超新星的分类错误。弗雷姆林说，“自回到2021年4月发射以来我们没有发现明显的分类错误事件，我们现在正计划对其他观测设施实现同样的算法”。

RELATED STORIES:

— Artificial intelligence is learning how to dodge space junk in orbit

— Right place, right time: Hubble telescope captured a supernova as it exploded

— Supernova 'alert system' could warn us of dying stars about to explode

弗雷林和他的同事们现在不仅计划对其他望远镜实现SNIascore，而且他们还工作在改进SNIascore上以便该算法能够在未来分类其他类型的超新星。甚至在这些进步发生之前，机器学习工具正在重塑天文学并展示这一科学领域的变化的面貌。

加州理工学院和兹威基瞬态设施项目的天文学研究教授科学家马修·格雷厄姆说，“传统的一个天文学家坐在天文台并浏览过望远镜图像的概念带有很多浪漫色彩，但正在飘离开现实”。

天文学家阿什什·马哈巴尔领导兹威基瞬态设施的机器学习工作同时也是加州理工学院数据驱动发现中心的首席计算和数据科学家。他同意格雷厄姆并补充说，“这项工作可以很好地演示机器学习应用程序怎样在接近实时天文学中成熟的”。