人工智能以超强的精准度对真正的超新星爆炸进行分类

　　使用实际数据训练的一种新的机器学习算法已对2,300颗超新星进行了分类，精度超过80％。

　　得益于天体物理学中心的一组天文学家，人工智能正在对真正的超新星爆炸进行分类，而无需传统使用光谱。哈佛和史密森尼学院，完整的数据集和分类结果可公开使用。

　　通过训练机器学习模型以根据可见特征对超新星进行分类，天文学家无需使用光谱就可以对Pan-STARRS1中型深层调查的2315个超新星进行真实数据分类，准确率达到82％。

　　天文学家开发了一个软件程序，可以根据其光曲线或亮度随时间变化来对不同类型的超新星进行分类。CfA博士后研究员，第一篇论文的主要作者格里芬·侯赛因扎德（Griffin Hosseinzadeh）说：“我们有大约2500个具有Pan-STARRS1中型深层探测的光曲线的超新星，其中有500个具有可用于分类的光谱的超新星。”发表在“天体物理学期刊”上的两篇论文。“我们使用那500颗超新星训练了分类器，以对我们无法观察光谱的其余超新星进行分类。”

　　CfA的天文学家Edo Berger解释说：“通过要求人工智能回答特定问题，结果变得越来越准确。机器学习寻找与原始500个光谱标签的相关性。我们要求它比较不同类别的超新星颜色、进化速度或亮度。通过提供真正的现有知识，可以达到80％至90％的最高准确性。”

　　尽管这不是第一个用于超新星分类的机器学习项目，但这是天文学家第一次访问足够大的真实数据集，以训练基于人工智能的超新星分类器，从而有可能创建不使用超新星分类器的机器学习算法。使用模拟。

　　Hosseinzadeh说：“如果创建一条模拟的光曲线，则意味着您正在对超新星的外观做出假设，然后您的分类器也将学习这些假设。” “自然总是会带来一些其他复杂的问题，因为您没有考虑到这些问题，这意味着分类器在真实数据上的表现不如在模拟数据上那样好。因为我们使用真实数据来训练分类器，所以这意味着我们测得的准确性可能更能代表分类器在其他调查中的表现。” Berger说，当分类器对超新星进行分类时，“我们将能够回顾和实时研究它们，以挑选出最有趣的事件进行详细的跟踪。我们将使用该算法来帮助我们挑针，还可以看大海捞针。”

　　该项目不仅对档案数据有影响，而且对将来的望远镜将收集的数据也有影响。维拉·鲁宾天文台预计将于2023年上线，并将每年发现数以百万计的新超新星。对于天体物理学家而言，这既带来了机遇，也带来了挑战，因为有限的望远镜时间导致有限的光谱分类。

　　哥伦比亚大学西蒙斯初级研究员，两篇论文的第二作者阿什利·比利亚尔说：“鲁宾天文台上线后，它将使我们的超新星发现率增加100倍，但我们的光谱资源不会增加。” ，并补充说，虽然目前每年发现约10,000个超新星，但科学家只能拍摄到这些物体的10％的光谱。“如果这是真的，那就意味着鲁宾天文台每年仅发现0.1％的超新星将获得光谱标签。” 如果没有像我们这样的方法，其余99.9％的数据将无法使用。”

　　与过去所做的努力不同，过去的工作中仅有限数量的天文学家可以获得数据集和分类，而来自新机器学习算法的数据集将公开可用。天文学家已经创建了易于使用的可访问软件，还发布了Pan-STARRS1中层深度调查的所有数据以及用于其他项目的新分类。侯赛因扎德说：“对我们而言，这些项目对整个超新星社区有用，而不仅仅是对我们小组非常重要。这些数据可以完成很多项目，我们永远无法自己完成。” 伯杰补充说：“这些项目是开放科学的开放数据。”

声明：本文内容仅代表作者个人观点，与本站立场无关。如有内容侵犯您的合法权益，请及时与我们联系，我们将第一时间安排处理