Astrônomos do Instituto de Tecnologia da Califórnia usaram o algoritmo de aprendizado de máquina SNIascore para identificar com precisão certos tipos de estrelas. Isso tornou possível detectar com precisão mil supernovas com as características desejadas.
Fonte da imagem: ESO
O algoritmo SNIascore gerou um catálogo a partir de dados coletados pelo instrumento Zwicky Transient Facility (ZTF), que opera em conjunto com o telescópio Samuel Oschin localizado no Observatório Palomar do instituto.
A varredura do céu em busca de eventos transitórios ou de curto prazo (desde sobrevôos de asteróides até explosões de supernovas) permite que a ZTF gere grandes quantidades de dados todas as noites – os cientistas simplesmente não conseguem processá-los sozinhos, o que levou ao desenvolvimento do SNIascore, que pode assumir uma parte significativa do trabalho.
Desde o início da ZTF em 2017, milhares de supernovas foram identificadas, que podem ser divididas em duas classes: as supernovas do tipo I praticamente não possuem hidrogênio, enquanto os objetos do tipo II o possuem em abundância.
Na maioria das vezes, as supernovas do Tipo I se formam quando estrelas massivas absorvem matéria de estrelas “doadoras” próximas. A matéria cai em sua superfície e se torna um gatilho para uma explosão termonuclear. As supernovas do tipo II ocorrem quando as estrelas ficam sem “combustível” para a fusão nuclear e não conseguem mais resistir ao colapso gravitacional, que também resulta em uma explosão.
O SNIascore classificou uma subespécie separada de estrelas chamadas supernovas do Tipo Ia. Estes aparecem quando uma estrela moribunda explode e forma uma fonte tão estável de luminosidade conhecida que é chamada de assim chamada. “vela padrão” – eles, por exemplo, podem ser usados para medir distâncias no espaço e medir a taxa de expansão do universo.
Todas as noites, depois de escanear o céu com o ZTF em busca de eventos ou objetos transitórios ou transitórios, o SNIascore procura estrelas que correspondam à classe Tipo Ia. Sabe-se que o algoritmo classificou sua primeira supernova em abril de 2021, e agora estamos falando de mil dessas estrelas. Segundo os cientistas, o SNIascore é extremamente preciso e realmente funciona sem erros. Portanto, um algoritmo semelhante está planejado para ser aplicado em outros locais de observação.
Além disso, os cientistas estão trabalhando para garantir que o SNIAscore possa detectar outros tipos de supernovas no futuro. No entanto, mesmo agora, o algoritmo de aprendizado de máquina simplifica muito o trabalho dos astrônomos, alterando significativamente os princípios de seu trabalho. Segundo a equipe local, a ideia tradicional de astrônomos como pessoas sentadas em um observatório e observando as estrelas diretamente através de um telescópio é muito romântica, mas não corresponde mais à realidade.