snad研究者は、人工知能（AI）メソッドを使用して、以前に検出されていない11の宇宙異常を特定しました。
チームは、2018年にK-Dツリーを使用して取得したノーザンスカイのデジタル画像を調べて、「最も近い隣接」メソッドを介してラスベガス スロット マシンの異常を検出しました。その後、この研究は機械学習アルゴリズムを利用して研究を自動化しました。
研究はに掲載されています新しい天文学.
AIで空を測定する
大規模な天文調査により、近年天文学的な発見が大幅に増加しています。たとえば、Zwickyの過渡施設は、広いフィールドビューカメラを採用して北の空を調査し、数十億のオブジェクトを含むカタログで毎晩約1.4 TBのデータを生成します。
ただし、このような巨大な量のデータを手動で処理することは非常に高価で時間がかかります。これを克服するために、ロシア、フランス、米国の研究者で構成されるSNADチームは、自動化されたプロセスを考案するために協力しました。
天文オブジェクトを分析すると、科学者は光線を観察し、時間の関数としてのオブジェクトの明るさの変動を示します。科学者は最初に空の光の閃光を特定し、その進化に従って、それがより明るく、弱く、または消えるかどうかを確認します。
研究では、研究者たちは、ZTFの2018年カタログと、研究対象の種類のオブジェクトのタイプのシミュレートされたライブ曲線モデルから100万個の実際の光線を分析しました。オブジェクトの明るさと時間枠の振幅を含む、合計40のパラメーターに従いました。
Konstantin Malanchev、Urbana-Champaignのイリノイ大学の論文とPostdocの共著者であるKonstantin Malanchevは、次のようにコメントしています。約100万のオブジェクトのデータセットでは、私たちは非常に強力な超新星を探していました、タイプ、タイプII超新星、および潮の混乱イベント。このようなクラスのオブジェクトを空間異常と呼びます。
その後、チームは、ハイパープレーン、平面、線、またはポイントで切断することにより、ラスベガス スロット マシンを小さな部分に分割するための幾何学的なデータ構造であるK-Dツリーアルゴリズムを使用して、実際のオブジェクトからのライトカーブデータをシミュレーションと比較しました。アルゴリズムは、7つのシミュレーションでこれと同様のプロパティを持つ実際のオブジェクトを探しているときに検索範囲を絞り込むために採用されました。
11の新しいラスベガス スロット マシンの異常を発見
研究者は、各シミュレーションについて15の最近隣接（ZTFデータベースからの実際のオブジェクト）を特定しました。手動検証プロセスでは、11のラスベガス スロット マシンの異常が確認されました。7つは超新星候補であり、4つは潮dircraption核のイベントが発生する可能性のある活動的な銀河核候補でした。
Sternberg Astronomical Instituteの論文および研究員の共著者であるMaria Pruzhinskayaは、次のようにコメントしています。既に発見されたまれなオブジェクトに加えて、天文学者が以前に見逃したいくつかの新しいオブジェクトを検出することができました。
この研究は、この方法が非常に効果的で適用が簡単であることを示しています。さらに、この方法は普遍的であり、まれなタイプの超新星ではなく、天文学的なオブジェクトを発見するために使用できます。
HSE大学物理学部の准教授であるMatvey Kornilovは、「まだ発見されていない天文学的および天体物理的現象は、実際には異常です。観察された症状は、既知のオブジェクトの特性とは異なると予想されます。
