L’osservatorio Swift utilizza l’intelligenza artificiale per misurare la distanza dei GRB più distanti

L’osservatorio Swift utilizza l’intelligenza artificiale per misurare la distanza dei GRB più distanti
L’osservatorio Swift utilizza l’intelligenza artificiale per misurare la distanza dei GRB più distanti

Swift, nella foto qui, è una collaborazione tra il Goddard Space Flight Center della NASA a Greenbelt, nel Maryland, Penn State a University Park, Los Alamos National Laboratory nel New Mexico e Northrop Grumman Innovation Systems a Dulles. – CENTRO DI VOLO SPAZIALE GODDARD DELLA NASA/CHRIS SMITH

MADRID, 27 maggio. (STAMPA EUROPA) –

Due studi hanno incorporato l’apprendimento automatico nell’osservazione per specificare la distanza di le esplosioni più luminose e violente dell’universoi GRB di raggi gamma.

In pochi secondi i GRB rilasciano la stessa quantità di energia che il nostro sole rilascia durante la sua intera vita. Poiché sono così luminosi, i GRB possono essere osservati a distanze multiple (anche ai margini dell’universo visibile) e aiutano gli astronomi nella ricerca delle stelle più antiche e distanti. Ma, a causa dei limiti della tecnologia attuale, solo una piccola percentuale dei GRB conosciuti possiede tutte le caratteristiche osservative necessarie per aiutare gli astronomi a calcolare la distanza a cui si sono verificati.

I team guidati da Maria Dainotti, professoressa di astrofisica all’Università del Nevada a Las Vegas e al NAOJ (Osservatorio Astronomico Nazionale del Giappone), hanno combinato i dati GRB dell’Osservatorio Neil Gehrels Swift della NASA con molteplici modelli di apprendimento automatico per superare i limiti dell’attuale tecnologia di osservazione e , più precisamente, stimare la vicinanza di GRB di cui non si conosce la distanza. Poiché i GRB possono essere osservati sia a distanze distanti che relativamente vicine, sapere dove si verificano può aiutare gli scienziati a capire come le stelle si evolvono nel tempo e quanti GRB possono verificarsi in un dato spazio e tempo.

“Questa ricerca fa avanzare la frontiera sia nell’astronomia dei raggi gamma che nell’apprendimento automatico”, ha affermato Dainotti. è una dichiarazione. “La ricerca e l’innovazione successive ci aiuteranno a ottenere risultati ancora più affidabili e ci permetteranno di rispondere ad alcune delle domande cosmologiche più urgenti, compresi i primi processi del nostro universo e il modo in cui si è evoluto nel tempo”.

L’intelligenza artificiale spinge i limiti dell’osservazione dello spazio profondo In uno studio, Dainotti e Aditya Narendra, uno studente dell’ultimo anno di dottorato presso l’Università Jagellonica in Polonia, hanno utilizzato diversi metodi di apprendimento automatico per misurare con precisione la distanza dei GRB osservati dal telescopio ultravioletto/ottico Swift ( UVOT) e telescopi terrestri, incluso il telescopio Subaru. Le misurazioni si basavano esclusivamente su altre proprietà GRB non correlate alla distanza. La ricerca è stata pubblicata il 23 maggio in Lettere del diario astrofisico.

“Il risultato di questo studio è così preciso che possiamo determinare utilizzando la distanza prevista il numero di GRB in un dato volume e tempo (chiamato velocità), che è molto vicino alle stime effettive osservate”, ha detto Narendra.

Un altro studio condotto da Dainotti e collaboratori internazionali è riuscito a misurare la distanza dei GRB con l’apprendimento automatico utilizzando i dati dello Swift X-ray Telescope (XRT) della NASA sull’abbagliamento dei cosiddetti GRB lunghi. Si ritiene che i GRB si manifestino in modi diversi. I GRB lunghi si verificano quando una stella massiccia raggiunge la fine della sua vita ed esplode in una spettacolare supernova. Un altro tipo, noto come GRB corti, si verifica quando i resti di stelle morte, come le stelle di neutroni, si fondono gravitazionalmente e si scontrano tra loro.

SUPERSTUDENTE

Dainotti afferma che la novità di questo approccio deriva dall’utilizzo combinato di più metodi di apprendimento automatico per migliorare il loro potere predittivo collettivo. Questo metodo, chiamato Superleaner, assegna a ciascun algoritmo un peso i cui valori variano tra 0 e 1, ciascun peso corrispondente al potere predittivo di quel singolare metodo.

“Il vantaggio di Superlearner è che la previsione finale ha sempre prestazioni migliori rispetto ai modelli singoli”, ha affermato Dainotti. “Superlearner viene utilizzato anche per escludere algoritmi meno predittivi.”

Questo studio, pubblicato nel Il diario astrofisicoSupplement Series, stima in modo affidabile la distanza di 154 GRB lunghi la cui distanza è sconosciuta e aumenta significativamente la popolazione di distanze note tra questi tipi di lampi.

Rispondendo a domande sconcertanti sulla formazione dei GRB, un terzo studio, pubblicato il 21 febbraio su Astrophysical Journal Letters e condotto dall’astrofisico Vahé Petrosian dell’Università di Stanford con Dainotti, ha utilizzato i dati dei raggi X di Swift per rispondere a domande sconcertanti, mostrando che il tasso di GRB, almeno a piccole distanze relative, non tenere il passo con la formazione stellare.

“Ciò apre la possibilità che i GRB lunghi a piccole distanze possano essere generati non dal collasso di stelle massicce ma dalla fusione di oggetti molto densi come le stelle di neutroni”, ha detto Petrosian.

 
For Latest Updates Follow us on Google News
 

-

NEXT Apple rinnoverebbe Siri con l’intelligenza artificiale per migliorare il controllo di funzioni specifiche