SciTechDaily

ניקולס

גילויים קוסמיים: AI ונאס"א סוויפט ממפות את התפרצויות קרני הגמא הרחוקות ביותר של היקום

מדענים יישמו טכניקות למידת מכונה מתקדמות כדי לשפר באופן משמעותי את הדיוק של מדידות מרחק עבור התפרצויות קרני גמא (GRB). על ידי שילוב נתונים ממצפה הכוכבים Swift של נאס"א עם מודלים של למידת מכונה, הם אפשרו הערכות מדויקות יותר של מרחקי GRB, מה שהוביל לשיפור ההבנה של תופעות קוסמיות וסלילת הדרך לתגליות אסטרונומיות עתידיות. קרדיט: twoday.co.il.com

למידת מכונה מחוללת מהפכה במדידת מרחק באסטרונומיה, מספקת הערכות מדויקות להתפרצויות קרני גמא ומסייעת בחקר קוסמי.

הופעתה של הבינה המלאכותית (AI) זכתה להערכה על ידי רבים כמשנה משחק חברתי, מכיוון שהיא פותחת יקום של אפשרויות לשפר כמעט כל היבט בחיינו.

אסטרונומים משתמשים כעת ב-AI, פשוטו כמשמעו, כדי למדוד את התפשטות היקום שלנו.

דיוק חלוצי במדידות קוסמיות

שני מחקרים עדכניים בראשות מריה דיינוטי, פרופסור אורחת במרכז לאסטרופיזיקה בנבאדה של UNLV ועוזרת פרופסור במצפה האסטרונומי הלאומי של יפן (NAOJ), שילבו מספר רב של מחקרים למידת מכונה מודלים להוספת רמה חדשה של דיוק למדידות מרחק עבור התפרצויות קרני גמא (GRBs) – הפיצוצים הזוהרים והאלימים ביותר ביקום.

תוך שניות בודדות, GRBs משחררים את אותה כמות אנרגיה שהשמש שלנו משחררת בכל חייה. מכיוון שהם כה בהירים, ניתן לצפות ב-GRB במרחקים מרובים – כולל בקצה היקום הגלוי – ולסייע לאסטרונומים במסע שלהם לרדוף אחרי הכוכבים העתיקים והרחוקים ביותר. אבל, בשל מגבלות הטכנולוגיה הנוכחית, רק לאחוז קטן מה-GRBs ידועים יש את כל מאפייני התצפית הדרושים כדי לסייע לאסטרונומים בחישוב המרחק שהם התרחשו.

מצפה הכוכבים של נאס

סוויפט, המוצג כאן, הוא שיתוף פעולה בין מרכז טיסות החלל גודארד של נאס"א בגרינבלט, מרילנד, פן סטייט בפארק האוניברסיטאי, המעבדה הלאומית של לוס אלמוס בניו מקסיקו, ו-Northrop Grumman Innovation Systems בדאלס, וירג'יניה. שותפים נוספים כוללים את אוניברסיטת לסטר ומעבדת מדעי החלל מולארד בבריטניה, מצפה הכוכבים בררה באיטליה וסוכנות החלל האיטלקית. קרדיט: מרכז טיסות החלל גודארד של נאס"א/כריס סמית' (KBRwyle)

קידום מחקר פרצי גמא עם AI

Dainotti והצוותים שלה שילבו נתוני GRB מ נאס"אמצפה הכוכבים Neil Gehrels Swift עם מספר מודלים של למידת מכונה כדי להתגבר על המגבלות של טכנולוגיית התצפית הנוכחית, וליתר דיוק, להעריך את הקרבה של GRBs שעבורם המרחק אינו ידוע. מכיוון שניתן לצפות ב-GRB גם רחוק וגם במרחקים קרובים יחסית, ידיעה היכן הם התרחשו יכולה לעזור למדענים להבין כיצד כוכבים מתפתחים לאורך זמן וכמה GRBs יכולים להתרחש במרחב ובזמן נתון.

"המחקר הזה דוחף קדימה את הגבול הן באסטרונומיה של קרני גמא והן למידת מכונה", אמר דיינוטי. "מחקר המשך וחדשנות יעזרו לנו להשיג תוצאות אמינות עוד יותר ויאפשרו לנו לענות על כמה מהשאלות הקוסמולוגיות הדחופות ביותר, כולל התהליכים המוקדמים ביותר של היקום שלנו וכיצד הוא התפתח לאורך זמן".

בינה מלאכותית מגבירה את גבולות התצפית בחלל עמוק

במחקר אחד, דיינוטי ואדיליה נרנדרה, דוקטורנטית בשנה האחרונה באוניברסיטת Jagiellonian בפולין, השתמשו במספר שיטות למידת מכונה כדי למדוד במדויק את המרחק של GRBs שנצפה על ידי טלסקופ החלל Swift UltraViolet/Optical Telescope (UVOT) וטלסקופים מבוססי קרקע, כולל טלסקופ סובארו. המדידות התבססו אך ורק על מאפייני GRB אחרים שאינם קשורים למרחק. המחקר פורסם ב-23 במאי ב- מכתבי יומן אסטרופיזיים.(1)

"התוצאה של המחקר הזה כל כך מדויקת שאנחנו יכולים לקבוע באמצעות מרחק חזוי את מספר ה-GRB בנפח ובזמן נתון (הנקרא קצב), שהוא קרוב מאוד להערכות שנצפו בפועל", אמר נרנדרה.

לומד-על: שיפור כוח הניבוי באסטרונומיה

מחקר נוסף בראשות Dainotti ומשתפי פעולה בינלאומיים הצליח במדידת מרחק GRB עם למידת מכונה תוך שימוש בנתונים מ-Swift X-ray Telescope (XRT) של נאס"א לאחר זוהר ממה שמכונה GRBs ארוך. מאמינים כי GRBs מתרחשים בדרכים שונות. GRBs ארוכים קורים כאשר כוכב מסיבי מגיע לסוף חייו ומתפוצץ בסופרנובה מרהיבה. סוג נוסף, המכונה GRBs קצר, מתרחש כאשר שרידי כוכבים מתים, כגון כוכבי נויטרונים, מתמזגים בכבידה ומתנגשים זה בזה.

Dainotti אומר שהחידוש בגישה זו נובע משימוש בכמה שיטות למידת מכונה יחד כדי לשפר את כוח הניבוי הקולקטיבי שלהן. שיטה זו, הנקראת Superlearner, מקצה לכל אלגוריתם משקל שערכיו נעים בין 0 ל-1, כאשר כל משקל מתאים לכוח הניבוי של אותה שיטה יחידנית.

"היתרון של ה-Superlearner הוא שהתחזית הסופית היא תמיד ביצועית יותר מהדגמים הבודדים", אמר דיינוטי. "למד-על משמש גם כדי להשליך את האלגוריתמים שהם הכי פחות מנבאים."

מחקר זה, שפורסם ב-26 בפברואר ב ה כתב עת אסטרופיזיסדרת משלים,(2) מעריך באופן אמין את המרחק של 154 GRBs ארוכים שעבורם המרחק אינו ידוע ומגביר באופן משמעותי את אוכלוסיית המרחקים הידועים בין סוג זה של פרץ.

מענה על שאלות תמוהות על גיבוש GRB

מחקר שלישי, שפורסם ב-21 בפברואר ב- מכתבי יומן אסטרופיזיים(3) ובראשם האסטרופיזיקאי Vahé Petrosian ודיינוטי מאוניברסיטת סטנפורד, השתמשו בנתוני סוויפט רנטגן כדי לענות על שאלות תמוהות בכך שהראו שקצב ה-GRB – לפחות במרחקים יחסיים קטנים – אינו עוקב אחר קצב היווצרות הכוכבים.

"זה פותח את האפשרות ש-GRBs ארוכים במרחקים קטנים עשויים להיווצר לא על ידי קריסת כוכבים מסיביים אלא על ידי היתוך של עצמים צפופים מאוד כמו כוכבי נויטרונים", אמר פטרוזיאן.

עם תמיכה מתוכנית חוקר האורחים Swift Observatory (מחזור 19), דיינוטי ועמיתיה פועלים כעת להפיכת כלי למידת המכונה לזמינים לציבור באמצעות יישום אינטרנט אינטראקטיבי.

  1. "התפרצויות קרני גמא כאינדיקטורים למרחק על ידי גישת למידה סטטיסטית" מאת מריה ג'ובאנה דיינוטי, אדיטיה נרנדרה, אגניישקה פולו, ואה פטרוסיאן, מלגורזטה בוגדן, קזונארי איוואסאקי, ג'ייסון קסבייר פרוצ'סקה, אנריקו רינלדי ודיוויד ז'ואו, 244 במאי, 2024 במאי. מכתבי ה-astrophysical Journal.
    DOI: 10.3847/2041-8213/ad4970
  2. "להסיק את ההסטה לאדום של יותר מ-150 GRBs עם דגם אנסמבל למידת מכונה" מאת מריה ג'ובאנה דיינוטי, אליאס טאירה, אריק וואנג, אליאס להמן, אדיטיה נרנדרה, אגניישקה פולו, גז'גורז מ. מדג'סקי, ואה פטרוסיאן, מלגורזטה דה בוגדאן, אפרטים ו-Shubham Bhardwaj, 26 בפברואר 2024, סדרת מוסף כתב עת אסטרופיזי.
    DOI: 10.3847/1538-4365/ad1aaf
  3. "אבות של התפרצויות קרני גמא בהיסט לאדום נמוך" מאת Vahé Petrosian ומריה G. Dainotti, 21 בפברואר 2024, מכתבי ה-astrophysical Journal.
    DOI: 10.3847/2041-8213/ad2763
ניקולס