Kecerdasan buatan mengklasifikasikan ledakan supernova nyata dengan akurasi yang belum pernah terjadi sebelumnya

Algoritma pembelajaran mesin baru yang dibentuk hanya dengan data nyata telah mengklasifikasikan lebih dari 2.300 supernova dengan lebih dari 80% presisi.

Kecerdasan buatan mengklasifikasikan ledakan supernova nyata tanpa menggunakan spektrum tradisional, berkat tim astronom dari Center for Astrophysics | Harvard dan Smithsonian. Set data lengkap dan klasifikasi yang dihasilkan tersedia untuk umum untuk penggunaan terbuka.

Dengan melatih model pembelajaran mesin untuk mengklasifikasikan supernova berdasarkan karakteristiknya yang terlihat, astronom dapat mengklasifikasikan data aktual dari Survei Dalam Sedang 2.315-supernova Pan-STARRS1 dengan tingkat akurasi 82% tanpa penggunaan spektrum.

Para astronom mengembangkan program yang mengklasifikasikan berbagai jenis supernova berdasarkan kurva cahayanya atau bagaimana kecerahannya berubah seiring waktu. “Kami memiliki sekitar 2.500 supernova dengan kurva cahaya dari Survei Dalam Sedang Pan-STARRS1, dan di antaranya, 500 supernova dengan spektrum yang dapat digunakan untuk klasifikasi,” kata Griffin Hosseinzadeh, seorang peneliti postdoctoral di CfA dan penulis utama dari dua artikel pertama yang diterbitkan di Jurnal Astrofisika. “Kami melatih pengklasifikasi dengan 500 supernova ini untuk mengklasifikasikan supernova yang tersisa di mana kami tidak dapat mengamati spektrumnya.”

Cassiopeia Sisa supernova

Cassiopeia A, atau Kasus A, adalah sisa supernova yang terletak 10.000 tahun cahaya di konstelasi Cassiopeia, dan merupakan sisa dari bintang masif yang mati dalam ledakan dahsyat sekitar 340 tahun lalu. Gambar ini menangkap data infra merah, terlihat, dan sinar-X untuk mengungkap struktur filamen debu dan gas. Kasus A adalah salah satu dari 10% supernova yang dapat dipelajari para ilmuwan dengan cermat. Proyek pembelajaran mesin baru CfA akan membantu mengklasifikasikan ribuan dan pada akhirnya jutaan supernova yang berpotensi menarik yang mungkin tidak akan pernah dipelajari. Kredit: NASA / JPL-Caltech / STScI / CXC / SAO

Edo Berger, astronom CfA, menjelaskan bahwa dengan menanyakan kecerdasan buatan untuk menjawab pertanyaan spesifik, hasilnya semakin akurat. “Pembelajaran mesin mencari korelasi dengan 500 label spektroskopi asli. Kami meminta Anda membandingkan supernova dalam berbagai kategori: warna, kecepatan evolusi, atau kecerahan. Dengan mengumpankannya dengan pengetahuan nyata yang ada, diperoleh presisi maksimum, antara 80 dan 90 persen ”.

Meskipun ini bukan proyek pembelajaran mesin pertama untuk klasifikasi supernova, ini adalah pertama kalinya para astronom memiliki akses ke kumpulan data nyata yang cukup besar untuk membentuk pengklasifikasi supernova berdasarkan kecerdasan buatan. , yang memungkinkan Anda membuat algoritme pembelajaran mesin tanpa menggunakan simulasi.

“Jika Anda membuat kurva cahaya yang disimulasikan, itu berarti Anda membuat asumsi tentang kemunculan supernova dan pengklasifikasi Anda juga akan mempelajari asumsi tersebut,” kata Hosseinzadeh. “Alam akan selalu menyebabkan beberapa komplikasi tambahan yang tidak Anda perhitungkan, yang berarti bahwa pengklasifikasi Anda tidak akan berfungsi sebaik dalam data nyata seperti dalam data simulasi. Karena kami menggunakan data nyata untuk membentuk pengklasifikasi kami, itu berarti bahwa akurasi terukur kami cenderung lebih mewakili kinerja pengklasifikasi kami dalam survei lain. ” Saat pengklasifikasi mengklasifikasikan supernova, Berger berkata, “kami akan dapat mempelajarinya secara retrospeksi dan secara real time untuk memilih peristiwa yang paling menarik untuk pelacakan yang terperinci. Kami akan menggunakan algoritme untuk membantu kami memilih jarum dan juga untuk melihat tumpukan jerami. “

Proyek ini memiliki implikasi tidak hanya untuk data arsip, tetapi juga untuk data yang akan dikumpulkan oleh teleskop masa depan. Observatorium Vera C. Rubin diharapkan bisa online pada tahun 2023 dan akan mengarah pada penemuan jutaan supernova baru setiap tahun. Ini menghadirkan peluang dan tantangan bagi ahli astrofisika, di mana waktu terbatas teleskop menyebabkan klasifikasi spektral terbatas.

“Saat Observatorium Rubin online, tingkat penemuan supernova kami akan meningkat dua kali lipat dari 100, tetapi sumber daya spektroskopi kami tidak akan meningkat,” kata Ashley Villar, anggota Simons Junior Universitas Columbia dan penulis utama artikel kedua dari dua artikel, menambahkan bahwa sementara sekitar 10.000 supernova saat ini ditemukan setiap tahun, para ilmuwan hanya mengambil spektrum untuk sekitar 10% dari objek ini. “Jika itu benar, itu berarti hanya 0,1 persen supernova yang ditemukan oleh Rubin Observatory setiap tahun akan mendapatkan label spektroskopi. Sisa 99,9% data tidak dapat digunakan tanpa metode seperti kami.”

Tidak seperti upaya sebelumnya, di mana kumpulan data dan klasifikasi hanya tersedia untuk sejumlah astronom yang terbatas, kumpulan data dari algoritme pembelajaran mesin baru akan tersedia untuk publik. Para astronom telah membuat perangkat lunak yang dapat diakses dan mudah digunakan dan juga telah menerbitkan semua data dari Survei Mendalam Sedang Pan-STARRS1 bersama dengan klasifikasi baru untuk digunakan dalam proyek lain. Hosseinzadeh berkata: “Sangat penting bagi kami bahwa proyek ini bermanfaat bagi seluruh komunitas supernova, bukan hanya untuk grup kami. Ada begitu banyak proyek yang dapat diselesaikan dengan data ini sehingga kami tidak dapat mengerjakan semuanya sendiri ”. Berger menambahkan, “Proyek ini adalah data terbuka untuk sains terbuka.”

Referensi:

“SuperRAENN: Pipa Klasifikasi Fotometri Supernova Semi-Dibimbing Dibentuk dalam Pan-STARRS1 Medium Depth Survey Supernovae” oleh V. Ashley Villar, Griffin Hosseinzadeh, Edo Berger, Michelle Nta, David O.ampak Jones, Peter Challis, Ryan Chornock, Maria R. Drout, Ryan J. Foley, Robert P. Kirshner, Ragnhild Lunnan, Raffaella Margutti, Dan Milisavljevic, Nathan Sanders, Yen-Chen Pan, Armin Rest, Daniel M. Scolnic, Eugene Magnier, Nigel Metcalfe, Richard Wainscoat dan Christopher Waters, 17 Desember 2020, Jurnal Astrofisika.
DOI: 10.3847 / 1538-4357 / abc6fd

“Klasifikasi Fotometrik 2315 Pan-STARRS1 Supernova dengan Superphot” oleh Griffin Hosseinzadeh, Frederick Dauphin, V. Ashley Villar, Edo Berger, David O. Jones, Peter Challis, Ryan Chornock, Maria R. Drout, Ryan J. Foley, Robert P Kirshner, Ragnhild Lunnan, Raffaella Margutti, Dan Milisavljevic, Yen-Chen Pan, Armin Rest, Daniel M. Scolnic, Eugene Magnier, Nigel Metcalfe, Richard Wainscoat dan Christopher Waters, 17 Desember 2020, Jurnal Astrofisika.
DOI: 10.3847 / 1538-4357 / abc42b

Proyek ini didanai sebagian oleh dana dari National Science Foundation (NSF) dan Harvard Data Science Initiative (HDSI).

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Teori konspirasi memengaruhi perilaku kita – bahkan jika kita tidak mempercayainya!

Paling tidak karena COVID-19 pandemi, teori konspirasi lebih relevan dari sebelumnya. Mereka diberitakan dan didiskusikan di hampir semua media dan komunikasi. Tapi...

“Doodle Ringan” Nyata dalam Waktu Nyata

Para peneliti di Tokyo Metropolitan University telah merancang dan menerapkan algoritme yang disederhanakan untuk mengubah garis yang digambar secara bebas menjadi hologram pada CPU...

Teleskop Webb NASA menyertakan tabir surya seukuran lapangan tenis untuk perjalanan jutaan kilometer

Kedua wajah tabir surya James Webb Space Telescope dinaikkan secara vertikal untuk mempersiapkan pelipatan lapisan tabir surya. Kredit: NASA / Chris Gunn Insinyur bekerja...

Mineralogi Hangat Global Mengelola Pusat Perlindungan Kehidupan Batin

Tim lapangan DeMMO dari kiri ke kanan: Lily Momper, Brittany Kruger, dan Caitlin Casar mengambil sampel air yang meledak dari toilet DeMMO. Pendanaan:...

Genom manusia modern tertua, direkonstruksi menggunakan DNA tengkorak berusia 45 tahun

Tengkorak dari Gua Zlatyk dekat Praha ini adalah milik orang modern paling awal yang diketahui di Eropa. Penulis: Marek Jantach Tengkorak fosil seorang wanita...

Newsletter

Subscribe to stay updated.