_ Salt cosmic: NASA Sateliții rapidi și inteligența artificială dezvăluie distanța celor mai îndepărtate explozii de raze gamma

Apariția inteligenței artificiale a fost salutată de mulți drept o schimbare a jocului societății, deoarece deschide un univers de posibilități de îmbunătățire a aproape fiecare aspect al viețile noastre.

Astronomii folosesc acum AI, la propriu, pentru a măsura expansiunea universului nostru.

Două studii recente conduse de Maria Dainotti, profesor invitat la Centrul pentru Nevada al UNLV Astrofizică și profesor asistent la Observatorul Național Astronomic al Japoniei (NAOJ), a încorporat mai multe modele de învățare automată pentru a adăuga un nou nivel de precizie măsurătorilor de distanță pentru exploziile de raze gamma (GRB) — cele mai luminoase și violente explozii din univers.

În doar câteva secunde, GRB-urile eliberează aceeași cantitate de energie pe care soarele nostru o eliberează pe toată durata sa de viață. Deoarece sunt atât de strălucitori, GRB-urile pot fi observate la mai multe distanțe - inclusiv la marginea universului vizibil - și îi ajută pe astronomi în încercarea lor de a urmări cele mai vechi și mai îndepărtate stele. Dar, din cauza limitelor tehnologiei actuale, doar un mic procent din GRB-urile cunoscute au toate caracteristicile observaționale necesare pentru a ajuta astronomii să calculeze cât de departe au apărut.

Dainotti și echipele ei au combinat datele GRB de la Observatorul Neil Gehrels Swift de la NASA cu modele multiple de învățare automată pentru a depăși limitările tehnologiei de observație actuale și, mai precis, a estima proximitatea GRB-urilor pentru care distanța este necunoscută. Deoarece GRB-urile pot fi observate atât la distanță, cât și la distanțe relativ apropiate, cunoașterea locului în care apar îi poate ajuta pe oamenii de știință să înțeleagă cum evoluează stelele în timp și câte GRB pot apărea într-un anumit spațiu și timp.

„Această cercetare. împinge frontiera atât în ​​astronomia cu raze gamma, cât și în învățarea automată”, a spus Dainotti. „Cercetarea și inovarea ulterioară ne vor ajuta să obținem rezultate și mai fiabile și ne vor permite să răspundem la unele dintre cele mai presante întrebări cosmologice, inclusiv cele mai timpurii procese ale universului nostru și modul în care a evoluat acesta de-a lungul timpului.”

AI sporește limitele observării în spațiul adânc Într-un studiu, Dainotti și Aditya Narendra, doctorand în ultimul an la Universitatea Jagiellonian din Polonia, au folosit mai multe metode de învățare automată pentru a măsura cu precizie distanța GRB-urilor observate de telescopul Swift Ultraviolet/Optical Spațial. (UVOT) și telescoape de la sol, inclusiv Telescopul Subaru. Măsurătorile s-au bazat exclusiv pe alte proprietăți GRB care nu sunt legate de distanță. Cercetarea a fost publicată pe 23 mai în Astrophysical Journal Letters.

„Rezultatul acestui studiu este atât de precis încât putem determina folosind distanța prezisă numărul de GRB într-un anumit volum și timp (numit rata) , care este foarte aproape de estimările reale observate”, a spus Narendra.

Un alt studiu condus de Dainotti și colaboratori internaționali a avut succes în măsurarea distanței GRB cu învățarea automată folosind date de la telescopul Swift X-ray al NASA ( XRT) strălucesc din ceea ce sunt cunoscute sub numele de GRB lungi. Se crede că GRBs apar în moduri diferite. GRB lungi se întâmplă atunci când o stea masivă ajunge la sfârșitul vieții și explodează într-o supernova spectaculoasă. Un alt tip, cunoscut sub denumirea de GRB scurte, se întâmplă atunci când rămășițele stelelor moarte, cum ar fi stelele neutronice, fuzionează gravitațional și se ciocnesc unele cu altele.

Dainotti spune că noutatea acestei abordări vine din utilizarea mai multor învățare automată. metode împreună pentru a-și îmbunătăți puterea predictivă colectivă. Această metodă, numită Superlearner, atribuie fiecărui algoritm o pondere ale cărei valori variază de la 0 la 1, fiecare pondere corespunzând puterii predictive a acelei metode singulare.

„Avantajul Superlearnerului este că predicția finală este întotdeauna mai performantă decât modelele singulare”, a spus Dainotti. „Superlearner este, de asemenea, folosit pentru a elimina algoritmii care sunt cel mai puțin predictivi.”

Acest studiu, care a fost publicat pe 26 februarie în The Astrophysical Journal, Supplement Series, estimează în mod fiabil distanța a 154 de GRB lungi pentru care distanța este necunoscută și crește semnificativ populația de distanțe cunoscute în rândul acestui tip de explozie.

Un al treilea studiu, publicat pe 21 februarie în Astrophysical Journal Letters și condus de astrofizicianul de la Universitatea Stanford, Vahé Petrosian și Dainotti, a folosit Date rapide cu raze X pentru a răspunde la întrebări nedumerite, arătând că rata GRB – cel puțin la distanțe relative mici – nu urmărește rata de formare a stelelor.

„Acest lucru deschide posibilitatea ca GRB-uri lungi la distanțe mici. poate fi generat nu de un colaps de stele masive, ci mai degrabă de fuziunea unor obiecte foarte dense, cum ar fi stelele neutronice”, a spus Petrosian.

Cu sprijinul programului NASA Swift Observatory Guest Investigator (ciclul 19), Dainotti și colegii ei lucrează acum pentru a face instrumentele de învățare automată disponibile public printr-o aplicație web interactivă.

(Fluierul)