Žvaigždžių sprogimai – supernovos – būna labai įvairūs. Du pagrindiniai tipai yra termobranduolinės, kurių metu susprogsta baltoji nykštukė, ir branduolio kolapso, įvykstančios masyvios žvaigždės gyvenimo pabaigoje; bet yra ir daugiau atmainų.
© NASA/JPL-Caltech/STScI/CXC/SAO
Pagal stebimas charakteristikas branduolio kolapso supernovos skirstomos dar į bent keturis potipius. Įprastai juos atskirti vieną nuo kito galima tik išmatavus supernovos spektrą – šviesio priklausomybę nuo bangos ilgio.
Šiuo metu spektrai išmatuojami maždaug kas dešimtai aptiktai supernovai, o artimiausiu metu pradėsianti veikti Veros Rubin observatorija supernovų atradimų turėtų padidinti šimtą kartų. Taigi norėtųsi galimybės supernovas patikimai klasifikuoti be spektrinės informacijos. Tą padaryti gali padėti mašininio mokymo algoritmai.
Tyrėjai paėmė 2315 supernovų šviesio kreivių – šviesio kitimo einant laikui – duomenis iš Pan-STARRS1 apžvalgos, tarp kurių kiek daugiau nei 500 turi spektrinę informaciją. Pagal šiuos duomenis apmokę neuroninį tinklą, jį panaudojo likusių supernovų klasifikavimui. Automatinė klasifikacija 82 procentais atitiko rankinio klasifikavimo rezultatus, tačiau, žinoma, užtruko žymiai trumpiau.
Ateityje tokius algoritmus bus galima panaudoti supernovų klasifikavimui realiu laiku, vos pradėjus stebėjimus, o tai leis geriau parinkti įvykius detalesniems stebėjimams įvairiais teleskopais.
Tyrimo rezultatai „arXiv“.
