Astronomer bruger AI i søgen efter dødelige babystjerneudbrud

Unge stjerner - ligesom unge mennesker - er tilbøjelige til at temperere. Men stjerneblus kan forbrænde alt omkring dem, herunder atmosfæren af ​​nærliggende planeter, der begynder at dannes.

At finde ud af, hvor ofte unge stjerner bryder ud, kan hjælpe forskerne med at forstå, hvor de skal lede efter beboelige planeter. Men indtil nu, at søge efter disse flare involverede gennemgang af tusindvis af målinger af stjernelysstyrkevariationer, kaldet lyskurver, med øjet.

Nu, et internationalt hold af videnskabsmænd, herunder UNSW Sydneys Dr. Ben Montet, har brugt maskinlæring til at gøre søgningen hurtigere og mere effektiv

Forskerne lærte et neuralt netværk - en type kunstig intelligens - at detektere de afslørende lysmønstre af en stjerneudbrud.

"Ved hjælp af det neurale netværk, vi var i stand til at finde mere end 23, 000 udbrud på tværs af tusindvis af unge stjerner, " sagde Dr. Montet, Scientia Lektor ved UNSW Science og medforfatter til undersøgelsen.

"At finde stjerneudbrud - som kan være dødelige for de udviklende atmosfærer på nærliggende planeter - kan hjælpe os med at finde ud af, hvor vi skal lede efter beboelige planeter."

Fundene, udgivet i weekenden i Astronomisk Tidsskrift og Journal of Open Source Software, tilbyde et nyt benchmark i brugen af ​​kunstig intelligens i astronomi, samt en bedre forståelse af udviklingen af ​​unge stjerner og deres planeter.

"Når vi siger unge, vi mener kun en million til 800 millioner år gammel, " sagde fru Adina Feinstein, en kandidatstuderende fra University of Chicago og første forfatter på papiret.

"Alle planeter i nærheden af ​​en stjerne dannes stadig på dette tidspunkt. Dette er en særlig skrøbelig tid, og et blus fra en stjerne kan nemt fordampe alt vand eller atmosfære, der er blevet opsamlet."

Udstøbning af et neuralt net

NASAs TESS-teleskop, ombord på en satellit, der har kredset om Jorden siden 2018, er specielt designet til at søge efter exoplaneter. Lysblus fra fjerne stjerner dukker op på TESS' billeder, men traditionelle algoritmer har svært ved at udvælge formen fra baggrundsstøjen fra stjerneaktivitet.

Men neurale netværk er særligt gode til at lede efter mønstre – som Googles AI, der plukker katte ud af internetbilleder – og astronomer er i stigende grad begyndt at se på dem for at klassificere astronomiske data.

Ms Feinstein og Dr. Montet arbejdede sammen med et hold videnskabsmænd fra NASA, Flatiron Institute, Fermi National Accelerator Laboratory, Massachusetts Institute of Technology og University of Texas i Austin for at samle et sæt identificerede udbrud og ikke-udbrud for at træne det neurale net.

"Det neurale net viste sig at være rigtig godt til at finde små blus, " sagde Dr. Montet, som var hovedforsker på undersøgelsen.

"De er faktisk virkelig svære at finde med andre metoder."

Da forskerne var tilfredse med det neurale netværks ydeevne, de anvendte det på hele datasættet:mere end 3, 200 stjerner.

De fandt ud af, at stjerner som vores sol kun har nogle få udstrålinger, og disse flare ser ud til at falde af efter omkring 50 millioner år.

"Dette er godt til at fremme planetariske atmosfærer - et roligere stjernemiljø betyder, at atmosfærerne har en bedre chance for at overleve, " sagde fru Feinstein.

I modsætning, køligere stjerner kaldet røde dværge havde en tendens til at blusse meget hyppigere.

"Røde dværge er blevet set som vært for små klippeplaneter; hvis disse planeter bliver bombarderet, når de er unge, dette kan vise sig at være skadeligt for at bevare enhver atmosfære, " hun sagde.

Søger efter beboelige planeter

Resultaterne hjælper videnskabsmænd med at forstå oddsene for, at beboelige planeter overlever omkring forskellige typer stjerner, og hvordan atmosfæren dannes. Dette kan hjælpe dem med at udpege de mest sandsynlige steder at lede efter beboelige planeter andre steder i universet.

Forskerne undersøgte også forbindelsen mellem stjerneudbrud og stjernepletter, som den vi ser på vores egen soloverflade.

"Det mest plettede, vores sol nogensinde får, er måske 0,3 % af overfladen, " sagde Dr. Montet.

"For nogle af disse stjerner, vi ser, overfladen er stort set alle pletter. Dette forstærker ideen om, at pletter og flares er forbundet, som magnetiske begivenheder."

Forskerne ønsker dernæst at tilpasse det neurale net til at lede efter planeter, der lurer omkring unge stjerner.

"I øjeblikket kender vi kun til omkring et dusin yngre end 50 millioner år, men de er så værdifulde for at lære, hvordan planetariske atmosfærer udvikler sig, " sagde fru Feinstein.

Dr. Montet vil også udvide denne neurale netramme på UNSW.

"Vi vil anvende de samme metoder i en søgning efter unge planeter i det samme datasæt, " han sagde.

"Dette vil forhåbentlig føre til en 'fremgang af maskinerne', hvor vi kan anvende maskinlæringsalgoritmer til at finde en masse spændende nye planeter ved hjælp af de samme metoder."