Астрономы идентифицировали 116 000 новых переменных звезд
Согласно новой статье, астрономы Университета штата Огайо идентифицировали около 116 000 новых переменных звезд. Эти небесные тела были обнаружены с помощью Автоматизированного обзора сверхновых звезд всего неба (ASAS-SN), сети из 20 телескопов по всему миру, которые могут наблюдать за всем небом примерно в 50 000 раз глубже, чем человеческий глаз. Исследователи из штата Огайо работали над проектом почти десять лет.
Телескоп ASAS-SN помогает астрономам открывать новые звезды. 1 кредит
Теперь в статье, опубликованной на arXiv, сервере препринтов с открытым доступом, исследователи описывают, как они использовали методы машинного обучения для идентификации и классификации переменных звезд — небесных объектов , яркость которых увеличивается и уменьшается со временем, особенно если наблюдать с нашей точки зрения на Земле.
Изменения, которым подвергаются эти звезды, могут дать важную информацию об их массе, радиусе, температуре и даже составе. На самом деле, даже наше Солнце считается переменной звездой. По словам Коллина Кристи, ведущего автора статьи и аналитика ASAS-SN в штате Огайо, такие обзоры, как ASAS-SN, являются особенно важным инструментом для поиска систем, которые могут выявить сложности звездных процессов.
«Переменные звезды — это что-то вроде звездной лаборатории», — сказал он. «Это действительно опрятные места во Вселенной, где мы можем изучать и узнавать больше о том, как на самом деле работают звезды, и о маленьких хитросплетениях, которые у всех у них есть».
Но чтобы найти больше таких неуловимых сущностей, команда сначала должна была получить ранее неиспользованные данные из проекта. В течение многих лет ASAS-SN смотрела на небо, используя фильтры V-диапазона, оптические линзы, которые могут идентифицировать только звезды, свет которых попадает в спектр цветов, видимых невооруженным глазом. Но в 2018 году проект перешел на использование фильтров g-диапазона — линз, которые могут обнаруживать больше разновидностей синего света — и сеть увеличилась с возможности одновременного наблюдения около 60 миллионов звезд до более чем 100 миллионов.
Но в отличие от гражданской научной кампании ASAS-SN, которая опирается на добровольцев для просеивания и классификации астрономических данных, исследование Кристи потребовало помощи искусственного интеллекта.
«Если вы хотите посмотреть на миллионы звезд, несколько человек не смогут сделать это в одиночку. Это займет вечность», — сказал Таринду Джаясингхе, соавтор статьи, докторант астрономии из штата Огайо. «Поэтому нам пришлось привнести в смесь что-то креативное, например, методы машинного обучения».
Новое исследование было сосредоточено на данных Gaia, миссии по составлению трехмерной карты нашей галактики, а также данных 2MASS и AllWISE. Команда Кристи использовала алгоритм машинного обучения для создания списка из 1,5 млн переменных звезд-кандидатов из каталога, состоящего примерно из 55 млн изолированных звезд.
После этого исследователи еще больше сократили число кандидатов. Из 1,5 миллиона изученных ими звезд почти 400 000 оказались настоящими переменными звездами . Более половины уже были известны астрономическому сообществу, но 116 027 из них оказались новыми открытиями.
Хотя для завершения исследования требовалось машинное обучение, команда Кристи говорит, что гражданские ученые по-прежнему играют определенную роль. На самом деле, волонтеры кампании гражданской науки уже начали выявлять ненужные данные, сказал он. «Когда люди говорят нам, как выглядят наши плохие данные, это очень полезно, потому что изначально алгоритм будет смотреть на плохие данные и пытаться понять их», — сказал Кристи.
Но использование тренировочного набора всех этих плохих данных позволяет команде изменить и улучшить общую производительность своего алгоритма. «Это первый случай, когда мы фактически объединяем гражданскую науку с методами машинного обучения в области астрономии переменных звезд», — сказал Джаясингхе. «Мы расширяем границы того, что вы можете сделать, когда соедините эти две вещи вместе».
