Wetenschap
Artistieke impressie van stofvorming rond een supernova-explosie. Krediet:ESO/M. Kornmesser
Nieuw werk kijkt naar het gebruik van machine learning om de vroege stadia van supernova-explosies te ontcijferen door het licht dat tijdens de uitbarsting wordt uitgestraald te reconstrueren. Het onderzoek werd vandaag gepresenteerd op de 2022 National Astronomy Meeting door Eleonora Parrag, een Ph.D. student aan de Universiteit van Cardiff.
De zwaarste stervende sterren kunnen een aantal van de helderste vuurwerken van de natuur produceren:supernova-explosies. Deze kunnen worden gebruikt om afstanden in de ruimte te onderzoeken en vragen over ons universum te beantwoorden, en ook om veel van het materiaal te produceren dat de wereld om ons heen vormt.
De fysica die een supernova bestuurt, verandert in de honderden dagen na de explosie; snapshots van deze fysica kunnen worden vastgelegd in termen van het spectrum van een supernova - waar het licht wordt verspreid door golflengte op de manier waarop we de kleuren in een regenboog zien. Spectra bevatten handtekeningen van de elementen in de explosie en kunnen de betrokken omstandigheden onthullen. Dit is echter een beperkte bron. Meer spectra zouden belangrijke informatie opleveren over de steeds evoluerende fysica rond supernova's en een groter vermogen om hun populaties in de kosmische tijd te vergelijken en te bestuderen tot het aanbreken van het universum.
Het werk van Parrag kijkt naar het invullen van deze ontbrekende informatie met machine learning, algoritmen die leren door te worden 'getraind' op bestaande observaties van honderden supernova's. Ze kunnen hele kunstmatige spectra construeren op basis van slechts een paar gegevenspunten die gemakkelijk kunnen worden gemeten vanaf eerder waargenomen supernova's. Door de hiaten voor deze bestaande datapunten op te vullen, kan een spectrum worden geconstrueerd voor elke eerdere explosie tot ongeveer 200 dagen na de explosie.
Het team ontdekt dat hun kunstmatige spectra veel van de kenmerken van echte supernova-explosies reproduceren.
Projectleider Eleonora Parrag zegt dat "machinaal leren ons kan helpen patronen en mogelijk zelfs nieuwe ideeën in de natuurkunde te vinden in de enorme hoeveelheden gegevens van supernova's die we nu en in de nabije toekomst kunnen waarnemen." Ze voegt eraan toe dat "het op dit moment een veelbelovende weg is om te verkennen in de astrofysica en ik ben erg enthousiast over wat we in de toekomst over supernova's kunnen ontdekken."
Verder werk op dit gebied zal kijken naar het toepassen van dit algoritme op alle soorten supernova's, het verbeteren van het algoritme en het vergroten van het aantal en de verscheidenheid aan supernova's die bij training worden gebruikt. + Verder verkennen
Wetenschap © https://nl.scienceaq.com