Spoler en supernova tilbage med maskinlæring

Nyt arbejde ser på at bruge maskinlæring til at dechifrere de tidlige stadier af supernovaeksplosioner ved at rekonstruere det lys, der udsendes under udbruddet. Forskningen blev præsenteret i dag på 2022 National Astronomy Meeting af Eleonora Parrag, en Ph.D. studerende ved University of Cardiff.

De mest massive døende stjerner kan producere noget af naturens klareste fyrværkeri:supernovaeksplosioner. Disse kan bruges til at sondere afstande i rummet og besvare spørgsmål om vores univers, samt producere meget af det materiale, som udgør verden omkring os.

Fysikken, der styrer en supernova, ændrer sig i hundredvis af dage efter dens eksplosion; snapshots af denne fysik kan fanges i form af en supernovas spektrum - hvor lyset spredes af bølgelængde på den måde, vi ser farverne i en regnbue. Spektre indeholder signaturer af elementerne i eksplosionen og kan afsløre de involverede forhold. Dette er dog en begrænset ressource. Flere spektre ville give vigtig information om den konstant udviklende fysik omkring supernovaer og en større evne til at sammenligne med og studere deres befolkninger på tværs af kosmisk tid indtil universets daggry.

Parrags arbejde ser på at udfylde denne manglende information med maskinlæring, algoritmer, der lærer ved at blive "trænet" på eksisterende observationer af hundredvis af supernovaer. De kan konstruere hele kunstige spektre baseret på kun nogle få datapunkter, som let kan måles fra tidligere observerede supernovaer. Ved at udfylde hullerne for disse eksisterende datapunkter kan der derefter konstrueres et spektrum for enhver tidligere eksplosion op til omkring 200 dage efter eksplosionen.

Holdet finder ud af, at deres kunstige spektre gengiver mange af de funktioner, der ses i rigtige supernovaeksplosioner.

Projektleder Eleonora Parrag siger, at "maskinlæring kan hjælpe os med at finde mønstre og potentielt endda nye ideer inden for fysik i de enorme mængder data fra supernovaer, vi kan observere nu og i en overskuelig fremtid." Hun tilføjer, at "det er en virkelig lovende vej at udforske i astrofysik lige nu, og jeg er meget spændt på, hvad vi kan opdage om supernovaer i fremtiden."

Yderligere arbejde på dette område vil se på at anvende denne algoritme på alle slags supernovaer, samt at forbedre algoritmen og øge antallet og variationen af ​​supernovaer, der bruges til træning. + Udforsk yderligere

Stjernen, der overlevede en supernova