Фото из открытых источников
Международная команда проекта SNAD, РєСѓРґР° РІС…РѕРґРёС‚ доцент факультета физики РќР?РЈ ВШРМатвей Корнилов, обнаружила 11 аномалий, семь РёР· которых — кандидаты РІ сверхновые. Р?сследования проводились РЅР° цифровых снимках северного неба Р·Р° 2018 РіРѕРґ, для РїРѕРёСЃРєР° использовался метод ближайших соседей РЅР° РѕСЃРЅРѕРІРµ K-мерных деревьев. Автоматизировать РїРѕРёСЃРє аномалий позволили методы машинного обучения.
Р?сследование представлено РІ журнале New Astronomy. Большая часть астрономических открытий основана РЅР° наблюдениях Рё последующих расчетах. Еще РІ XX веке количество наблюдений было невелико, однако СЃ РІРІРѕРґРѕРј РІ строй широкопольных астрономических РѕР±Р·РѕСЂРѕРІ неба объемы получаемых данных многократно возросли. Например, Zwicky Transient Facility (ZTF) — широкопольный РѕР±Р·РѕСЂ северного неба — генерирует примерно 1,4 РўР‘ данных Р·Р° ночь наблюдений, Р° его каталог содержит миллиарды объектов.
Обрабатывать такое количество данных вручную сложно Рё РґРѕСЂРѕРіРѕ, поэтому команда проекта SNAD, объединяющего ученых РёР· Р РѕСЃСЃРёРё, Франции Рё РЎРЁРђ, решала задачу автоматизации этого процесса. Чтобы больше узнать РѕР± астрономических объектах, ученые анализируют РёС… кривые блеска — зависимости блеска объекта РѕС‚ времени.
Сначала регистрируют вспышку на небе, затем фиксируют, как ее блеск эволюционирует: становится более ярким, ослабевает или совсем гаснет. Для исследования ученые взяли миллион кривых блеска реальных объектов из каталога Zwicky Transient Facility за 2018 год, а также составили семь симулированных кривых блеска объектов исследуемых типов. Всего учитывалось около 40 свойств, например амплитуда яркости объекта и периодичность.
«РњС‹ описали свойства симуляций набором характеристик, который ожидали увидеть Сѓ реальных астрономических тел. Среди миллиона объектов РјС‹ искали сверхмощные сверхновые, сверхновые типа IР°, сверхновые II типа Рё события приливного разрыва, — объясняет РѕРґРёРЅ РёР· авторов статьи постдок РІ университете Р?ллинойса РІ Урбане-Шампейне Константин Маланчев. — Такие классы объектов РјС‹ называем аномалиями. РћРЅРё встречаются очень редко Рё РёС… свойства малоизучены, либо это интересные объекты для более РїРѕРґСЂРѕР±РЅРѕРіРѕ исследования».
Затем данные кривых блеска реальных объектов сопоставляли СЃ симуляциями СЃ помощью метода K-мерных деревьев. K-мерное дерево — это специальная геометрическая структура данных, которая позволяет разбить пространство РЅР° меньшие части, рассекая его гиперплоскостями, плоскостями, прямыми или точками. Разбиение используют для сужения диапазона РїРѕРёСЃРєР° РІ K-мерном пространстве, РіРґРµ ищут объект СЃРѕ свойствами, максимально похожими РЅР° те, что описаны РІ семи симуляциях.
Источник: esoreiter.ru
