Определение возраста звёзд имеет фундаментальное значение для понимания многих областей астрономии, однако это сложная задача, поскольку возраст звёзд невозможно определить только с помощью наблюдений. Поэтому астрономы из Университета Торонто обратились за помощью к искусственному интеллекту.
Их новая модель, называемая ChronoFlow, использует набор данных о вращающихся звёздах в скоплениях и машинное обучение для определения того, как меняется скорость вращения звезды с возрастом.
Подход, опубликованный недавно в The Astrophysical Journal, позволяет предсказывать возраст звёзд с точностью, ранее недостижимой для аналитических моделей.
«Первый „вау“-момент случился на этапе проверки концепции, когда мы поняли, что эта методика действительно многообещающая», — говорит Фил Ван-Лейн, кандидат наук на факультете искусств и наук в отделении астрономии и астрофизики Университета Давида А. Данлэпа, который руководил исследованием.
Ван-Лейн работал над проектом с Джошем Спигелем и Гвен Эди, которые являются доцентами астростатистики в отделениях статистических наук, астрономии и астрофизики.
Исследование основано на двух существующих подходах для более точного определения возраста звёзд.
Первый подход основан на том, что звёзды обычно формируются в скоплениях. Это означает, что исследователи часто могут определить возраст всех звёзд в скоплении, наблюдая за стадиями эволюции звёзд с более высокой массой, которые развиваются быстрее, чем звёзды с меньшей массой.
В то же время исследователи знают, что со временем вращение звёзд замедляется из-за взаимодействия магнитного поля звезды с её звёздным ветром — явление, которое хорошо изучено, но трудно поддаётся количественной оценке с помощью простой математической формулы.
Используя ChronoFlow, исследователи из Университета Торонто собрали крупнейший в мире каталог вращающихся звёзд в скоплениях, насчитывающий около 8000 звёзд в более чем 30 скоплениях разного возраста, используя данные из звёздных обзоров, таких как Kepler, K2, TESS и GAIA. Затем они использовали набор данных для обучения своей модели ИИ, чтобы предсказать, как меняется скорость вращения звезды с возрастом.
«Нашу методологию можно сравнить с попыткой угадать возраст человека», — говорит Спигель, который руководил проектом от начала до конца. «В астрономии мы не знаем возраст каждой звезды. Мы знаем, что группы звёзд имеют одинаковый возраст, так что это было бы похоже на то, как если бы у вас было несколько фотографий людей в возрасте пяти, пятнадцати, тридцати и пятидесяти лет, а затем кто-то дал бы вам новую фотографию и попросил угадать, сколько лет этому человеку. Это сложная задача».
Результат? ChronoFlow научился оценивать возраст других звёзд с поразительной точностью. Это связано с тем, что модель моделирует, как ожидается, будет меняться скорость вращения популяций звёзд с течением времени.
Исследование может иметь важные последствия для многих аспектов астрономии. Знание возраста звёзд необходимо для понимания не только того, как работают звёзды, но и моделирования формирования и эволюции экзопланет, а также изучения истории эволюции нашего Млечного Пути и других галактик.
Успех ChronoFlow также демонстрирует, как модели машинного обучения могут помочь в решении других астрофизических задач.
Модель будет доступна для общественности вместе с документацией и учебными пособиями, которые помогут любому определить возраст звёзд по наблюдениям. Код можно найти на GitHub.
Предоставлено Университетом Торонто.