加州理工学院的天文学家使用机器学习算法完全自主地对1,000颗超新星进行了分类。该算法应用于Zwicky瞬变设施或ZTF捕获的数据,ZTF是一种基于加州理工学院帕洛玛天文台的天空测量仪器。
“我们需要帮助,而且我们知道,一旦我们训练计算机完成这项工作,它们就会减轻我们的负担,”加州理工学院的天文学家克里斯托弗弗雷姆林说,他是新算法的幕后策划者,被称为SNI分数。
“SNIascore在2021年4月对它的第一颗超新星进行了分类,一年半之后,我们达到了1000颗超新星的里程碑。”
ZTF每晚扫描夜空以寻找称为瞬变事件的变化。这包括从移动的小行星到刚刚吃掉恒星的黑洞,再到被称为超新星的爆炸恒星。ZTF每晚向全世界的天文学家发送数十万条警报,通知他们这些瞬变事件。
然后,天文学家使用其他望远镜跟踪和研究不断变化的物体的性质。到目前为止,ZTF数据已经导致发现了数千颗超新星。
但随着每天晚上不断涌入的大量数据,ZTF团队的成员无法独立整理所有数据。
ZTF的项目科学家兼加州理工学院天文学研究教授马修格雷厄姆说:“天文学家坐在天文台并通过望远镜图像进行筛选的传统观念带有很多浪漫主义色彩,但正在偏离现实。”
相反,该团队开发了机器学习算法来帮助搜索。他们为对候选超新星进行分类的任务开发了SNIascore。超新星分为两大类:I型和II型。I型超新星不含氢,而II型超新星富含氢。最常见的I型超新星发生在一颗大质量恒星从邻近恒星窃取物质时,这会引发热核爆炸。当一颗大质量恒星在自身引力作用下坍缩时,就会发生II型超新星爆发。
目前,SNIascore可以对所谓的Ia型超新星或天空中的“标准烛光”进行分类。这些是垂死的恒星,它们会随着强度一致的热核爆炸而爆炸。Ia型超新星使天文学家能够测量宇宙的膨胀率。Fremling及其同事正在努力扩展该算法的能力,以便在不久的将来对其他类型的超新星进行分类。
每天晚上,在ZTF捕捉到天空中可能是超新星的闪光后,它会将数据发送到Palomar的光谱仪,该光谱仪位于几百米外的圆顶中,称为SEDM(光谱能量分布机)。SNIascore与SEDM一起工作,然后对哪些超新星可能是Ia型进行分类。结果是ZTF团队正在迅速建立更可靠的超新星数据集,供天文学家进一步研究并最终了解强大的恒星爆炸的物理学。
“SNIascore非常准确。在1000颗超新星之后,我们已经看到了该算法在现实世界中的表现,”Fremling说。“自2021年4月发射以来,我们没有发现明显错误分类的事件,我们正计划与其他观测设施实施相同的算法。”
领导ZTF的机器学习活动并担任加州理工学院数据驱动发现中心的首席计算和数据科学家的AshishMahabal补充说:“这项工作很好地展示了机器学习应用程序如何在近实时天文学中走向成熟。”