یک تیم بین المللی از محققان SNAD 11 ناهنجاری کیهانی ناشناخته را کشف کرده اند که 7 تای آنها کاندیدای ابرنواختر هستند. محققان تصاویر دیجیتالی از آسمان شمالی که در سال 2018 گرفته شده بود را برای تشخیص ناهنجاری ها با استفاده از روش "نزدیک ترین همسایه" تجزیه و تحلیل کردند. الگوریتم‌های یادگیری ماشینی به خودکارسازی جستجو کمک کردند.
با ظهور نظرسنجی های نجومی در مقیاس بزرگ، حجم داده ها به طور چشمگیری افزایش یافته است. به عنوان مثال، Zwicky Transient Facility (ZTF) که از دوربینی برای بررسی آسمان شمالی استفاده می کند، در هر شب مشاهده حدود 1,4 ترابایت داده تولید می کند و فهرست آن حاوی میلیاردها شی است. پردازش دستی چنین حجم زیادی از داده ها بسیار زمان بر است، بنابراین تیمی از محققان SNAD از فرانسه، ایالات متحده و سایر کشورها برای توسعه یک راه حل خودکار به نیروهای خود ملحق شدند.
در این مطالعه، دانشمندان یک میلیون منحنی نور واقعی را از کاتالوگ ZTF 2018 و هفت مدل منحنی نور در زمان واقعی را برای انواع اجسام مورد مطالعه مطالعه کردند. در مجموع، آنها حدود 40 پارامتر از جمله دامنه روشنایی جسم و فاصله زمانی را زیر نظر گرفتند.
ما ویژگی‌های شبیه‌سازی‌های خود را با استفاده از مجموعه‌ای از ویژگی‌هایی که انتظار می‌رود در اجرام نجومی واقعی مشاهده شود، توصیف کردیم. کوستیانتین مالانچف، فوق دکترای دانشگاه ایلینویز در اوربانا-شامپین توضیح می‌دهد که در مجموعه داده‌ای از حدود یک میلیون شی، ابرنواخترها، ابرنواخترهای نوع Ia، ابرنواخترهای نوع دوم و رویدادهای فروپاشی جزر و مد را جستجو کردیم.
سپس داده های منحنی روشنایی اشیاء واقعی با داده های شبیه سازی با استفاده از الگوریتم kd-tree مقایسه شد. متعاقباً، تیم 15 نزدیکترین همسایه، یعنی اشیاء واقعی را از پایگاه داده ZTF، برای هر شبیه سازی از مجموع 105 مسابقه شناسایی کرد که محققان به صورت بصری آنها را برای ناهنجاری بررسی کردند. بازرسی دستی 11 ناهنجاری را تأیید کرد، که 7 مورد کاندید ابرنواختر و 4 مورد کاندیدای هسته‌های فعال کهکشانی بودند که رویدادهای اختلال جزر و مدی ممکن بود رخ داده باشد.
این مطالعه نشان می دهد که روش بسیار موثر و آسان برای استفاده است. الگوریتم پیشنهادی برای تشخیص پدیده‌های کیهانی از نوع خاصی جهانی است و می‌تواند برای تشخیص هر گونه اجرام نجومی جالب، نه محدود به انواع نادر ابرنواخترها، استفاده شود.
شما می توانید به اوکراین در مبارزه با مهاجمان روسی کمک کنید. بهترین راه برای انجام این کار، کمک مالی به نیروهای مسلح اوکراین است Savelife یا از طریق صفحه رسمی NBU.
همچنین بخوانید:
- رئیس سابق گوگل هوش مصنوعی را با سلاح های هسته ای مقایسه کرد
- هوش مصنوعی متا می تواند به پزشکان در طراحی بهترین پروتزها کمک کند