Астрономы используют ИИ, чтобы найти неуловимые звезды, «пожирающие» планеты

Автор: NASA, ESSA, Joseph Olmsted (STScI).

Астрономы недавно обнаружили сотни «загрязненных» звезд-белых карликов в нашей родной галактике Млечный Путь. Это белые карлики, активно пожирающие планеты на своей орбите. Они являются ценным ресурсом для изучения недр этих далеких разрушенных планет. Их также трудно найти.

Исторически астрономам приходилось вручную просматривать горы исследовательских данных в поисках признаков этих звезд. Последующие наблюдения подтвердят или опровергнут их подозрения.

Используя новую форму искусственного интеллекта, называемую многообразным обучением, команда под руководством аспиранта Техасского университета в Остине Малии Као ускорила процесс, что привело к 99% успешности идентификации. Результаты были опубликованы 31 июля в The Astrophysical Journal.

Белые карлики — звезды на последней стадии жизни. Они израсходовали свое топливо, выпустили свои внешние слои в космос и медленно остывают. Однажды наше Солнце станет белым карликом, но это произойдет не раньше, чем через 6 миллиардов лет.

Иногда планеты, вращающиеся вокруг белого карлика, притягиваются гравитацией своей звезды, разрываются на части и поглощаются. Когда это происходит, звезда «загрязняется» тяжелыми металлами из недр планеты. Поскольку атмосфера белых карликов почти полностью состоит из водорода и гелия, присутствие других элементов можно с уверенностью отнести к внешним источникам.

«Для загрязненных белых карликов внутренняя часть планеты буквально выжигается на поверхности звезды, чтобы мы могли на нее посмотреть», — сказал Као. «Загрязненные белые карлики сейчас — лучший способ охарактеризовать недра планет».

«Иными словами, — добавил Кейт Хокинс, астроном из UT и соавтор статьи, — это единственный добросовестный способ выяснить, из чего состоят планеты за пределами Солнечной системы, а это означает, что найти эти загрязненные белые карлики — задача непростая». критично».

К сожалению, свидетельства существования этих звезд, которые идентифицируются по загрязняющим их металлам в их атмосферах, могут быть тонкими и их трудно обнаружить. Более того, астрономы должны найти их за относительно короткий промежуток времени.

Чтобы найти эти неуловимые звезды, команда использовала технику искусственного интеллекта, называемую многообразным обучением. С его помощью алгоритм ищет схожие функции в наборе данных и объединяет подобные элементы в упрощенную визуальную диаграмму. Затем исследователи могут просмотреть диаграмму и решить, какие комки требуют дальнейшего исследования.

Астрономы создали алгоритм, позволяющий отсортировать более 100 000 возможных белых карликов. Из них одна группа из 375 звезд выглядела многообещающе: они показали ключевую особенность наличия тяжелых металлов в своих атмосферах. Последующие наблюдения с помощью телескопа Хобби-Эберли в обсерватории Макдональда при UT подтвердили подозрения астрономов.

«Наш метод может увеличить число известных загрязненных белых карликов в десять раз, что позволит нам лучше изучать разнообразие и геологию планет за пределами нашей Солнечной системы», — сказал Као. «В конечном итоге мы хотим определить, может ли жизнь существовать за пределами нашей солнечной системы. Если наша система уникальна среди планетарных систем, она также может быть уникальной в своей способности поддерживать жизнь».

Этот инновационный подход — лишь один пример того, как исследователи из Техасского университета в Остине используют искусственный интеллект для разгадки научных загадок. Чтобы продвигать и демонстрировать эти инновации, UT Austin объявил 2024 год Годом искусственного интеллекта.

В этом исследовании использовались данные миссии Gaia Европейского космического агентства (ESA). Данные были обработаны Консорциумом обработки и анализа данных Gaia.

Последующие наблюдения были получены с помощью телескопа Хобби-Эберли (HET), который является совместным проектом Техасского университета в Остине, Университета штата Пенсильвания, Мюнхенского университета Людвига Максимилиана и Университета Георга-Августа Геттингена, а также Очень Большой Телескоп (VLT) Европейской Южной Обсерватории (ESO).

Техасский центр перспективных вычислений в UT в Остине предоставил для этого исследования ресурсы высокопроизводительных вычислений, визуализации и хранения данных.

Больше информации: Malia L. Kao et al, Hunting for Polluted White Dwarfs and Other Treasures with Gaia XP Spectra and Unsupervised Machine Learning, The Astrophysical Journal (2024). DOI: 10.3847/1538-4357/ad5d6e

Источник: University of Texas at Austin