Автор: 
Команда американских учёных разработала новый алгоритм машинного обучения, который позволит с помощью нейросетей определять и классифицировать взрывы сверхновых на основе видимых характеристик с точностью более 80%, не используя при этом спектральные данные. Учёные опубликовали алгоритм и программное обеспечение к нему в открытом доступе, что позволит быстро и эффективно обрабатывать данные о новых взрывах сверхновых, которые астрономы ежегодно получают в огромных количествах. Статья опубликована в Astrophysical Journal.
Исследователи из Гарвард-Смитсоновского центра астрофизики совместно с коллегами из других университетов США создали программу, которая может определять и классифицировать различные типы сверхновых на основе кривых блеска и изменения яркости с течением времени.
«В обзоре Pan-STARRS1 Medium Deep Survey представлено около 2500 сверхновых с кривыми блеска, из них для 500 сверхновых представлены спектральные данные, которые можно использовать для классификации. Мы обучили искусственный интеллект, используя эти 500, чтобы классифицировать оставшиеся сверхновые, спектр которых мы не можем наблюдать», — рассказывает первый автор исследования Гриффин Хоссейнзаде.
Хотя это не первый проект, в котором машинное обучение используется для классификации сверхновых, это первый раз, когда астрономы использовали для обучения искусственного интеллекта реальный набор данных, а не моделирование, основанное на предположении о том, как будет выглядеть кривая блеска сверхновой, которое может не учитывать какие-то неизвестные параметры. Точность нового алгоритма составляет 80–90%.
Открытие имеет значение не только для анализа архивных данных, но и для материала, который будет собираться будущими телескопами. Например, Обсерватория имени Веры Рубин, которая будет открыта в 2023 году, будет обнаруживать миллионы сверхновых ежегодно, и новые методы обработки этих данных позволят астрономам сильно сэкономить время анализа. Сейчас каждый год обнаруживается около 10 тыс. сверхновых, а спектры учёные получают лишь для 10% из них. Наборы данных нового алгоритма будут общедоступными. Астрономы также создали простое в использовании программное обеспечение и опубликовали все данные Pan-STARRS1 Medium Deep Survey вместе с новыми классификациями для использования в других проектах.
