少し背景
天文学は、星、銀河、またはブラックホールなどの天体の研究です。天体のこの研究は、「自然物理学」の研究室での作業に似ています。その中で最も信じられないほど極端な自然のプロセスが起こり、それはほとんどの場合地球上で繰り返すことはできません。これらのプロセスを観察することで、世界をより深く理解し、物理学に関する既存の知識を確認し、確立されたアイデアを宇宙で観察したものと比較することができます。
天文学者にとって非常に興味深い特別なタイプのイベントがあります。それは巨大な星の人生の終わりに起こります。それらは、重力によって中心に向かって引っ張られる水素で構成されています。そして、密度が十分に高くなると、水素原子が融合し始めます。これは、輝きの出現と、ヘリウム、炭素、酸素、ネオンなどの新しい化学元素の出現につながります。マージプロセスは内圧下で行われ、重力は外圧を加え、それによって星が燃え尽きる間、星の安定性を維持します。星の質量が大きいほど、コアに到達する温度が高くなり、核燃料の燃焼が速くなります。
徐々に、合成プロセスはより重い要素に移ります：マグネシウム、シリコン、硫黄、そして最終的には鉄、コバルト、ニッケルになります。さらなる要素の合成は、反応中に放出されるよりも多くのエネルギーを必要とするため、コアが崩壊し、超新星爆発が発生します。
カニ星雲、超新星残骸
このプロセスは天文学者にとって非常に重要です。爆発中の極端な条件により、天文学者は重い元素の合成を観察し、強い圧力と温度の下での物質の挙動をチェックし、中性子星またはブラックホールである可能性のある爆発生成物を観察することができます。
Supernovaeは標準のキャンドルとしても使用できます。天文学における一般的な問題：天体までの距離の測定。星は地球から遠く離れているため、星がかすかで私たちに近いのか、それとも非常に遠くて非常に明るいのかを判断するのは困難です。宇宙でのほとんどの超新星爆発は同じように起こります。そのため、天文学者は超新星を使用して距離を測定します。これは、たとえば宇宙の膨張や暗黒エネルギーを研究するときに重要です。
超新星爆発は非常に明るいという事実にもかかわらず、発生頻度が低く（銀河ごとに1世紀に約1つの超新星）、爆発の短期的な性質（数日から数日続く可能性がある）のために、地球からの距離のために気付くのは困難です。数週間。さらに、超新星から有用な情報を取得するために、スペクトログラフ（いくつかの周波数で爆発中に放出されるエネルギーを測定するために使用される）を準備する必要があります。爆発から数時間以内に多くの興味深い物理的プロセスが発生するため、事前に星の観察を開始することもお勧めします。さて、自問してみてください。宇宙の他のすべての観測可能な天文オブジェクトの中で、これらの超新星爆発をどのようにすばやく見つけることができるでしょうか。
今日の天文学
数十年前、天文学者は必要な情報を得るために特定の物体を選択し、それに望遠鏡を向けなければなりませんでした。Zwicky Transient Facility（ZTF）やVera Rubin Observatoryなどの最新の望遠鏡は、非常に高速で高品質の空の画像をキャプチャし、3日ごとに目に見える空のデータを収集します。 ZTF望遠鏡は、1泊あたり1.4 TBのデータを生成し、空の興味深い変化するオブジェクトに関する情報をリアルタイムで識別して送信します。
何かが明るさを変えると、「スマート」望遠鏡はそれに気づき、警告アラートを送信します。警告は、各メッセージが3つの63 x63ピクセルのトリミングされた画像で構成されるデータストリームを送信することによって実行されます。これらの3つの画像は、科学、参照、および差分と呼ばれます。
科学的な画像ファイルは、特定の領域の最新の観測です。参考までに-観察の始めに何があったか。最初の画像と2番目の画像の間で変更されたすべては、3番目の違いで見ることができます。悪名高い望遠鏡は、1泊あたり最大100万の警告を送信しますが、多くの場合、数千の警告を送信します。ある人が各アラートを手動で確認したいとします。すべてのアラートを一晩で表示するには、約3。5日かかります。
科学、参照、および差異の画像。観察条件や対象物に関する情報など、その他の重要なデータを補足します。 4番目の画像は、Aladin SkyAtlasを使用したPanSTARRSのカラーバージョンです。ALeRCEインターフェースで、時間の経過に伴う超新星の明るさの完全な進化を見ることができます。 これらの警告は空で変化するすべてのものを伝えるため、望遠鏡によって生成された情報のストリーム全体の中から超新星を検出できることが重要です。問題は、他の天文オブジェクトもアラートをトリガーする可能性があることです。たとえば、可変星はその明るさを変え、活発な銀河核
、小惑星。誤った警告もあります。幸いなことに、科学画像、参照画像、および差分画像には、アラートが超新星または他のオブジェクトについて何を話しているかを判断するのに役立つ多くの特徴的な機能があります。そして、アラートの主要なクラスを効果的に区別する方法を学ぶことは素晴らしいことです。
天文オブジェクトの5つのクラス
したがって、アクティブな銀河核は通常、銀河の中心に位置しています。超新星は通常、ホスト銀河の近くで発生します。小惑星は太陽系の近くで観察され、参照画像には表示されません。可変星は、ほとんどが天の川の中にあるため、他の星で満たされた画像にあります。誤ったアラートは、望遠鏡カメラのピクセルの不足、差分画像を作成する際の不十分な減算、宇宙線など、さまざまな理由で発生します。前に言ったように、人間がすべての警告を手動でチェックすることは不可能です。したがって、天文学者が超新星に関する情報を含む可能性が高い最も興味深いデータを見つけることができるように、それらを自動的に分類する方法が必要でした。
ニューラルネットワークを使用して超新星を検索する
上記の5つのクラスの画像の違いは大まかに理解できているので、特定の特徴を計算して正しく分類することができます。ただし、手作業は難しく、長い試行錯誤が必要です。したがって、分類問題を解決し、超新星を迅速に検出するために、畳み込みニューラルネットワーク（CNN）をトレーニングすることが決定されました。
ニューラルネットワークの不変性を保証するには、トレーニングセット内の各画像の回転コピーを90°で作成し、その後、画像の各回転バージョンの平均値をロードします。アラートで送信される画像に構造が表示される特定の方向がないため、不変性の使用は重要です。
科学者はまた、空の座標での位置、他の既知のオブジェクトまでの距離、大気条件の測定基準など、警告に含まれるメタデータの一部を追加しました。クロスエントロピーを使用してモデルをトレーニングした後、警告に超新星に関する情報が含まれる確率は、0または1の値に集中しました。確かに、分類子は予測されたクラスで間違いを犯すことがありました。コンピュータが予測を行った後、研究者が可能性のある超新星のデータをさらにフィルタリングしなければならないことはあまり便利ではありません。
予測のエントロピーを最大化し、出力確率の値を分散させるために、科学者はニューラルネットワークに追加情報を追加しました。これにより、予測の詳細または明確さを改善し、これらの指標の極値だけでなく、0から1までの全範囲で確率を取得することが可能になりました。その結果、はるかに便利に解釈できる予測が得られ、天文学者は立っている超新星候補を選ぶことができます。
回転不変性が増加した畳み込み神経ネットワーク。回転したコピーが作成され、同じニューラルネットワークアーキテクチャに渡されて、メタデータと結合する前に、密なレイヤーに中間プールが適用されます。
科学者は、モデル予測の正確さをチェックするために、ZTF望遠鏡の全範囲にわたって空間に均等に分散された約400,000個のオブジェクトをニューラルネットワークを通過させました。ニューラルネットワークによって予測された各クラスは空間的に分布していることが判明しました。これは、各天文オブジェクトの性質を考慮するときに意味があります。たとえば、アクティブな銀河の核と超新星は、ほとんどの場合、天の川の平面の外側にあります（銀河外のオブジェクト）。これは、閉塞のために天の川の平面からさらにオブジェクトが見える可能性が低いためです。モデルは、ミルキーウェイの平面（銀河の緯度が0に近い）の近くにあるオブジェクトの数を正しく予測します。可変星は銀河面でより高い密度で正しく検出されます。小惑星は太陽系の平面の近くにあります、エクリプティックとも呼ばれます（黄色の線でマークされています）。そして、誤った警告は至る所で起こります。
画像内の情報（科学、参照、および差異）は、トレーニングセットで適切な分類を取得するのに十分ですが、メタデータからの情報の統合は、予測の正しい空間分布を取得するために重要でした。
マークされていない天文オブジェクトのセットの空間分布。各グラフは銀河座標で示されています。銀河の緯度はミルキーウェイの中心にあるため、0に近い緯度もミルキーウェイの平面に近くなります。銀河の経度は、天の川の平面に見えるディスクの量を示します。黄色の線は、太陽系の平面（楕円形）を表しています。
超新星ハンター
結果として得られるSupernovaHunterプロジェクトのWebインターフェイスにより、天文学者は、ニューラルネットワークによって選択されたオブジェクトを、それらが超新星であると確信して研究することができます。また、モデルによって行われた誤分類を報告することもできます。これにより、トレーニングセットに新しい情報を追加して、後でニューラルネットワークのパフォーマンスを向上させることができます。
Supernova Hunter：超新星候補を研究するためのユーザーインターフェース。超新星情報の可能性が高いアラートのリストが表示されます。それらの画像ごとに、オブジェクトの位置とメタデータが追加されます。
ニューラルネットワーク分類子とSupernovaHunterは、394個の超新星を確認し、Transient NameServerで3,060個の超新星候補を報告しました。2019年6月26日から2020年7月21日まで、1日あたり平均9.2の超新星候補が放出されました。この観察率は、爆発の初期段階で研究できる利用可能な超新星の数を劇的に増加させます。
展望
現在、Supernova Hunterの背後にいる科学者は、モデルの分類特性を改善して、超新星の候補をより正確に識別し、人間の注意をあまり必要としないように取り組んでいます。理想的には、これはすべての可能な超新星候補を高い信頼度で自動的に報告できるシステムでなければなりません。
科学者の仕事の別の領域は、異常な検出方法を使用して珍しいオブジェクトを検索することです。新しい望遠鏡は、各観測の驚異的なサンプリングレートとスケールにより、理論的には新しいタイプの天文オブジェクトを発見できるため、これは挑戦的ですが現実的な作業です。
データの分類と再配布を整理することは科学の重要な部分であるため、膨大な量の天文データを分析する新しい方法は有用であるだけでなく、必要でもあります。今日の強力な望遠鏡の使用は、天文学者が天体を研究する方法を根本的に変えており、科学者は新しい技術を扱う準備をしなければなりません。
清聴ありがとうございました！元の記事。