Neue Arbeiten untersuchen die Verwendung von maschinellem Lernen, um die frühen Stadien von Supernova-Explosionen zu entschlüsseln, indem sie das während des Ausbruchs emittierte Licht rekonstruieren. Die Forschung wurde heute auf dem National Astronomy Meeting 2022 von Eleonora Parrag, einer Ph.D. Studentin an der University of Cardiff.
Die massereichsten sterbenden Sterne können einige der hellsten Feuerwerke der Natur erzeugen: Supernova-Explosionen. Diese können verwendet werden, um Entfernungen im Weltraum zu untersuchen und Fragen über unser Universum zu beantworten, sowie einen Großteil des Materials zu produzieren, aus dem die Welt um uns herum besteht.
Die Physik einer Supernova ändert sich in den Hunderten von Tagen nach ihrer Explosion; Momentaufnahmen dieser Physik können in Form des Spektrums einer Supernova eingefangen werden – wo das Licht nach Wellenlängen gestreut wird, so wie wir die Farben in einem Regenbogen sehen. Spektren enthalten Signaturen der Elemente in der Explosion und können die beteiligten Bedingungen aufdecken. Dies ist jedoch eine begrenzte Ressource. Mehr Spektren würden wichtige Informationen über die sich ständig weiterentwickelnde Physik rund um Supernovae liefern und eine bessere Möglichkeit bieten, ihre Populationen über die kosmische Zeit bis zum Anbruch des Universums zu vergleichen und zu untersuchen.
Parrags Arbeit befasst sich mit dem Auffüllen dieser fehlenden Informationen durch maschinelles Lernen, Algorithmen, die lernen, indem sie anhand bestehender Beobachtungen von Hunderten von Supernovae „trainiert“ werden. Sie können ganze künstliche Spektren auf der Grundlage von nur wenigen Datenpunkten konstruieren, die leicht von zuvor beobachteten Supernovae gemessen werden können. Das Füllen der Lücken für diese vorhandenen Datenpunkte ermöglicht dann die Konstruktion eines Spektrums für jede vergangene Explosion bis etwa 200 Tage nach der Explosion.
Das Team stellt fest, dass ihre künstlichen Spektren viele der Merkmale reproduzieren, die bei echten Supernova-Explosionen zu sehen sind.
Projektleiterin Eleonora Parrag sagt, dass „maschinelles Lernen uns helfen kann, Muster und möglicherweise sogar neue Ideen in der Physik in den riesigen Datenmengen von Supernovae zu finden, die wir jetzt und in absehbarer Zukunft beobachten können.“ Sie fügt hinzu, dass „es derzeit ein wirklich vielversprechender Weg in der Astrophysik ist, und ich bin sehr gespannt, was wir in Zukunft über Supernovae entdecken werden.“
Weitere Arbeiten in diesem Bereich werden sich mit der Anwendung dieses Algorithmus auf alle Arten von Supernovae sowie mit der Verbesserung des Algorithmus und der Erhöhung der Anzahl und Vielfalt der im Training verwendeten Supernovae befassen.
Konferenz: nam2022.org/