Космический скачок: спутник NASA Swift и искусственный интеллект определяют расстояние до самых дальних гамма-всплесков

Важные новости

Космический скачок: НАСА Спутник Swift и искусственный интеллект определяют расстояние до самых дальних всплесков гамма-излучения» /></p>
<p> Swift, показанный здесь, является результатом сотрудничества Центра космических полетов имени Годдарда НАСА в Гринбелте, штат Мэриленд, штата Пенсильвания в Университетском парке, Национального парка Лос-Аламоса. Лаборатория в Нью-Мексико и компания Northrop Grumman Innovation Systems в Даллесе, Вирджиния. В число других партнеров входят Университет Лестера и Лаборатория космических наук Малларда в Соединенном Королевстве, обсерватория Брера в Италии и Итальянское космическое агентство. Фото: Центр космических полетов имени Годдарда НАСА/Крис Смит (KBRwyle) </p>
<p>Появление искусственного интеллекта многие приветствовали как переломный момент в обществе, поскольку он открывает массу возможностей для улучшения почти всех аспектов нашей жизни.</p>
<p>Астрономы сейчас используют искусственный интеллект в буквальном смысле слова для измерения расширение нашей Вселенной.</p>
<p>Два недавних исследования под руководством Марии Дайнотти, приглашенного профессора Невадского центра астрофизики UNLV и доцента Национальной астрономической обсерватории Японии (NAOJ), включали несколько моделей машинного обучения, чтобы повысить точность измерений расстояний для гамма-лучей. всплески (GRB) – самые яркие и сильные взрывы во Вселенной.</p>
<p>Всего за несколько секунд гамма-всплески выделяют такое же количество энергии, которое наше Солнце выделяет за всю свою жизнь. Поскольку гамма-всплески очень яркие, их можно наблюдать на разных расстояниях – в том числе на краю видимой Вселенной – и они помогают астрономам в их стремлении преследовать самые старые и самые далекие звезды. Но из-за ограничений современных технологий лишь небольшой процент известных гамма-всплесков обладает всеми наблюдательными характеристиками, необходимыми для того, чтобы помочь астрономам рассчитать, на каком расстоянии они произошли.</p>
<p>Дайнотти и ее команды объединили данные гамма-всплесков из обсерватории НАСА Нила Герельса Свифта с несколькими моделями машинного обучения, чтобы преодолеть ограничения современных технологий наблюдений и, более точно, оценить близость гамма-всплесков, расстояние до которых неизвестно. Поскольку гамма-всплески можно наблюдать как на большом, так и на относительно близком расстоянии, знание того, где они происходят, может помочь ученым понять, как звезды развиваются с течением времени и сколько гамма-всплесков может возникнуть в данном пространстве и времени.</p>
<p>«Это исследование расширяет границы как в гамма-астрономии, так и в машинном обучении», — сказал Дайнотти. «Последующие исследования и инновации помогут нам достичь еще более надежных результатов и дать ответы на некоторые из наиболее актуальных космологических вопросов, включая самые ранние процессы в нашей Вселенной и то, как она развивалась с течением времени».</p>
<p >ИИ расширяет возможности наблюдения в дальнем космосе В одном исследовании Дайнотти и Адитья Нарендра, аспирант последнего курса польского Ягеллонского университета, использовали несколько методов машинного обучения для точного измерения расстояния до гамма-всплесков, наблюдаемых космическим ультрафиолетовым/оптическим телескопом Swift. (UVOT) и наземные телескопы, включая телескоп Subaru. Измерения были основаны исключительно на других, не связанных с расстоянием, свойствах GRB. Исследование было опубликовано 23 мая в журнале <i>.Astrophysical Journal Letters</i>.</p>
<p>«Результаты этого исследования настолько точны, что мы можем определить, используя предсказанное расстояние, количество гамма-всплесков в заданном объеме и времени (называемое скоростью), что очень важно. близко к фактически наблюдаемым оценкам», — сказал Нарендра.</p>
<p><img decoding=

Концепция художника, показывающая сочетание моделирования искусственного интеллекта со спутником НАСА Swift. Фото: Мария Дайнотти

Другое исследование, проведенное Дайнотти и его международными коллегами, позволило успешно измерить расстояние до гамма-всплесков с помощью машинного обучения с использованием данных послесвечения рентгеновского телескопа Swift (XRT) НАСА от так называемых длинных гамма-всплесков. Считается, что гамма-всплески возникают по-разному. Длинные гамма-всплески случаются, когда массивная звезда достигает конца своего существования и взрывается впечатляющей сверхновой. Другой тип, известный как короткие гамма-всплески, возникает, когда остатки мертвых звезд, таких как нейтронные звезды, гравитационно сливаются и сталкиваются друг с другом.

Дайнотти говорит, что новизна этого подхода заключается в использовании нескольких машинного обучения. методы вместе, чтобы улучшить их коллективную предсказательную силу. Этот метод, называемый Superlearner, присваивает каждому алгоритму вес, значения которого варьируются от 0 до 1, причем каждый вес соответствует предсказательной способности этого единственного метода.

«Преимущество Superlearner в том, что окончательный прогноз всегда более эффективен, чем единичные модели», — сказал Дайнотти. «Суперобучающийся также используется для отбрасывания алгоритмов, которые являются наименее прогнозирующими».

Это исследование, опубликованное 26 февраля в The Astrophysical Journal, Supplement Series, достоверно оценивает расстояние из 154 длинных гамма-всплесков, для которых расстояние неизвестно, и значительно увеличивает количество известных расстояний среди всплесков этого типа.

Ответы на загадочные вопросы об образовании гамма-всплесков

Третье исследование, опубликованное 21 февраля в Astrophysical Journal Letters под руководством астрофизика Стэнфордского университета Ваэ; Петросян и Дайнотти использовали рентгеновские данные Swift, чтобы ответить на загадочные вопросы, показав, что скорость гамма-всплесков — по крайней мере, на небольших относительных расстояниях — не соответствует скорости звездообразования.

«Это открывает возможность того, что длинные гамма-всплески на небольших расстояниях могут возникать не в результате коллапса массивных звезд, а скорее в результате слияния очень плотных объектов, таких как нейтронные звезды», — сказал Петросян.

При поддержке NASA Swift В рамках программы приглашенных исследователей обсерватории (цикл 19) Дайнотти и ее коллеги сейчас работают над тем, чтобы сделать инструменты машинного обучения общедоступными через интерактивное веб-приложение.

Дополнительная информация:< /strong> Мария Джованна Дайнотти и др., Гамма-всплески как индикаторы расстояния с помощью статистического подхода к обучению, The Astrophysical Journal Letters (2024). DOI: 10.3847/2041-8213/ad4970

Мария Джованна Дайнотти и др., Вывод о красном смещении более чем 150 гамма-всплесков с помощью ансамблевой модели машинного обучения, Серия приложений к астрофизическому журналу (2024). DOI: 10.3847/1538-4365/ad1aaf

Ваге Петросян и др., Прародители гамма-всплесков с низким красным смещением, The Astrophysical Journal Letters (2024). DOI: 10.3847/2041-8213/ad2763

Информация журнала: Письма из астрофизического журнала

Предоставлено Университетом Невады, Лас-Вегас

Новости сегодня

Последние новости