Новый инструмент на базе ИИ снизил рабочую нагрузку астрономов на 85% — фильтруя тысячи оповещений о данных, чтобы выявить несколько подлинных сигналов, вызванных сверхновыми (мощными взрывами умирающих звёзд). Результаты опубликованы в The Astrophysical Journal.
Ведущий исследователь доктор Элоиз Стивенс из физического факультета Оксфордского университета сказала: «Удивительно, как мало данных потребовалось. Всего 15 000 примеров и вычислительная мощность моего ноутбука позволили мне обучить умные алгоритмы, которые выполняют тяжёлую работу, и автоматизировать то, что раньше люди делали часами каждый день. Это демонстрирует, что при экспертном руководстве ИИ может трансформировать астрономические открытия, не требуя огромных массивов данных или вычислительной мощности».
Сверхновые — это редкие яркие взрывы, знаменующие смерть массивных звёзд
Сверхновые — это редкие яркие взрывы, знаменующие смерть массивных звёзд. Они помогают учёным понять происхождение химических элементов. Эти взрывы неожиданно появляются на ночном небе и должны быть быстро обнаружены, прежде чем они угаснут — по сути, это космическая игра «найди разницу».
Команда исследователей под руководством Оксфордского университета и Королевского университета в Белфасте ищет их с помощью системы оповещения о столкновениях с астероидами и воздействия на Землю (ATLAS). Эта система, изначально созданная как система раннего предупреждения о столкновениях с астероидами, сканирует всё видимое небо каждые 24–48 часов с помощью пяти телескопов, расположенных по всему миру. Это проект, возглавляемый Гавайским университетом, а Оксфорд обрабатывает данные о сильных взрывах за пределами нашей галактики.
Система выдаёт миллионы потенциальных оповещений каждую ночь, большинство из которых — шум (либо инструментальные ошибки, либо известные объекты). Даже после применения стандартных методов фильтрации и автоматизированного анализа изображений у исследователей оставалось от 200 до 400 потенциальных сигналов-кандидатов каждый день, которые необходимо было вручную проверить. Только несколько из них были действительно интересными явлениями, такими как сверхновые или внегалактические переходные процессы (оптические аналоги гамма-всплесков).
«Эта ручная проверка занимала несколько часов каждый день», — добавил доктор Стивенс. «Благодаря нашему новому инструменту мы можем освободить время учёных для того, чем они занимаются лучше всего — для творческого решения проблем и вопросов о природе нашей Вселенной. Это астрофизический эквивалент того, как робот стирает вашу одежду, чтобы вы могли сосредоточиться на своём искусстве!»
Виртуальный исследовательский помощник (VRA)
Новый инструмент, называемый Виртуальным исследовательским помощником (VRA), представляет собой коллекцию автоматизированных ботов, которые имитируют процесс принятия решений человеком, ранжируя оповещения на основе их вероятности быть реальными, внегалактическими взрывами.
В отличие от многих автоматизированных подходов на базе ИИ, которые требуют обширных обучающих данных и суперкомпьютеров, VRA использует более экономичный подход. Вместо требующих много данных методов глубокого обучения система использует небольшие алгоритмы, основанные на деревьях решений, которые ищут закономерности в выбранных аспектах данных. Это позволяет учёным напрямую внедрять свои знания в модель и направлять алгоритмы на поиск ключевых особенностей.
Важно отметить, что VRA обновляет свою оценку каждый раз, когда телескоп повторно посещает один и тот же участок неба. Это означает, что сигнал автоматически перепроверяется и пересчитывается в течение нескольких ночей, а к астрономам-людям для проверки передаются только наиболее многообещающие кандидаты.
За первый год использования VRA успешно отфильтровал более 30 000 оповещений, пропустив менее 0,08% реальных оповещений о сверхновых. Это в конечном итоге сократило количество оповещений, передаваемых астрономам-людям для проверки, примерно на 85%, сохранив при этом более 99,9% подлинных кандидатов в сверхновые.
С декабря 2024 года VRA связан с южноафриканским телескопом Lesedi, чтобы автоматически запускать последующие наблюдения за наиболее многообещающими сигналами ещё до того, как человек просмотрит данные. Это уже привело к подтверждению новых сверхновых.
Соавтор исследования профессор Стивен Смартт (физический факультет Оксфордского университета) сказал: «Скорость и точность этого инструмента значительно повысят способность нашей команды находить и изучать странные и редкие явления в космосе — например, взрывы умирающих звёзд в далёких галактиках, которые могут научить нас, как создаются химические элементы и как быстро расширяется Вселенная».
«Мы также сможем более эффективно сопоставлять оптические источники с излучениями в гамма-лучах, рентгеновских и радиочастотах и, возможно, с гравитационными волнами. Скорость и точность моделей впечатляют».
Это достижение появилось как раз вовремя, с предстоящим запуском Обзора наследия космической и временной обсерватории Веры Рубин (LSST) в начале 2026 года. За 10 лет LSST будет сканировать всё небо в южном полушарии каждые несколько дней, в конечном итоге создав более 500 петабайт изображений и данных.
«LSST должен будет выдавать более 10 миллионов оповещений каждую ночь, обнаруживая всё: от движущихся астероидов, сверхновых, материи, падающей на чёрные дыры, сливающихся нейтронных звёзд и, возможно, новых явлений. Наша работа как астрономов будет заключаться в том, чтобы не отставать от этой лавины данных», — добавил доктор Стивенс.
«Такие инструменты, как наш новый Виртуальный исследовательский помощник, будут неоценимы, помогая нам лучше понять, как сверхновые и их массивные звёзды создали все химические элементы, необходимые для мира, который мы знаем — от водорода до яблочных пирогов», — сказала доктор Стивенс.
Доктор Стивенс в настоящее время создаёт виртуальных исследовательских помощников для британских и европейских брокеров данных LSST (Lasair, Fink), и её цель — использовать данные LSST для создания ботов, которые могут заранее охотиться за сверхновыми, предсказывая, когда и где они взорвутся.
Доктор Стивенс добавила: «В астрономии новые знания извлекаются из данных, и LSST станет революционным: только за первый год он соберёт больше данных, чем все предыдущие исследования. Я чувствую себя такой привилегированной, что живу и работаю в такой исторический момент».
Предоставлено:
[Оксфордский университет](https://phys.org/partners/oxford-university/)