Искусственный интеллект обнаружил новые космические аномалии
Международная команда проекта SNAD, куда входит доцент факультета физики НИУ ВШЭ Матвей Корнилов, обнаружила 11 аномалий, семь из которых — кандидаты в сверхновые. Исследования проводились на цифровых снимках северного неба за 2018 год, для поиска использовался метод ближайших соседей на основе K-мерных деревьев. Автоматизировать поиск аномалий позволили методы машинного обучения.
Исследование представлено в журнале New Astronomy. Большая часть астрономических открытий основана на наблюдениях и последующих расчетах. Еще в XX веке количество наблюдений было невелико, однако с вводом в строй широкопольных астрономических обзоров неба объемы получаемых данных многократно возросли. Например, Zwicky Transient Facility (ZTF) — широкопольный обзор северного неба — генерирует примерно 1,4 ТБ данных за ночь наблюдений, а его каталог содержит миллиарды объектов.
Обрабатывать такое количество данных вручную сложно и дорого, поэтому команда проекта SNAD, объединяющего ученых из России, Франции и США, решала задачу автоматизации этого процесса. Чтобы больше узнать об астрономических объектах, ученые анализируют их кривые блеска — зависимости блеска объекта от времени.
Сначала регистрируют вспышку на небе, затем фиксируют, как ее блеск эволюционирует: становится более ярким, ослабевает или совсем гаснет. Для исследования ученые взяли миллион кривых блеска реальных объектов из каталога Zwicky Transient Facility за 2018 год, а также составили семь симулированных кривых блеска объектов исследуемых типов. Всего учитывалось около 40 свойств, например амплитуда яркости объекта и периодичность.
«Мы описали свойства симуляций набором характеристик, который ожидали увидеть у реальных астрономических тел. Среди миллиона объектов мы искали сверхмощные сверхновые, сверхновые типа Iа, сверхновые II типа и события приливного разрыва, — объясняет один из авторов статьи постдок в университете Иллинойса в Урбане-Шампейне Константин Маланчев. — Такие классы объектов мы называем аномалиями. Они встречаются очень редко и их свойства малоизучены, либо это интересные объекты для более подробного исследования».
Затем данные кривых блеска реальных объектов сопоставляли с симуляциями с помощью метода K-мерных деревьев. K-мерное дерево — это специальная геометрическая структура данных, которая позволяет разбить пространство на меньшие части, рассекая его гиперплоскостями, плоскостями, прямыми или точками. Разбиение используют для сужения диапазона поиска в K-мерном пространстве, где ищут объект со свойствами, максимально похожими на те, что описаны в семи симуляциях.
В результате на каждую из семи симуляций было найдено 15 наиболее похожих, реально существующих объектов из базы ZTF. Всего получилось 105 объектов. Их исследователи анализировали вручную и проверяли, являются ли они аномалиями. После ручной проверки подтвердились 11 аномалий, семь из них — кандидаты в сверхновые, а еще четыре — активные ядра галактик, в которых могут происходить события приливного разрыва.
«Это очень хороший результат, — комментирует один из авторов статьи Мария Пружинская, научный сотрудник Государственного астрономического института имени П. К. Штернберга. — Причем у нас получилось обнаружить не только уже открытые редкие объекты, но и несколько новых, которые были пропущены астрономическим сообществом. Это значит, что можно отладить существующие алгоритмы поиска, чтобы такие объекты больше не пропускать».
Исследование показало, что данный метод действительно эффективен, при этом довольно прост в реализации. Предложенная методика поиска объектов определенного типа универсальна и может быть применена для открытия не только редких типов сверхновых, но и других интересных астрономических объектов.
«Астрономические или астрофизические явления, которые не были обнаружены учеными ранее, тоже являются аномалиями, — поясняет доцент факультета физики НИУ ВШЭ Матвей Корнилов. — Наблюдательные проявления таких объектов должны отличаться от свойств уже известных объектов. В будущем мы планируем применять нашу методику для открытия новых классов объектов».
Telegram 
Дзен 
VK 
