一個由 SNAD 研究人員組成的國際團隊發現了 11 個以前未知的宇宙異常，其中 7 個是超新星候選者。 研究人員分析了 2018 年拍攝的北方天空的數字圖像，以使用“最近鄰”方法檢測異常情況。 機器學習算法有助於自動化搜索。
隨著大規模天文觀測的出現，數據量急劇增加。 例如，Zwicky Transient Facility (ZTF) 使用相機測量北方天空，每個觀測夜產生約 1,4 TB 的數據，其目錄包含數十億個物體。 人工處理如此大量的數據非常耗時，因此來自法國、美國和其他國家的 SNAD 研究人員團隊聯手開發了自動化解決方案。
在這項研究中，科學家們研究了 2018 年 ZTF 目錄中的 40 萬條真實光變曲線和針對所研究對像類型的 個實時光變曲線模型。 他們總共監測了大約 個參數，包括物體的亮度幅度和時間間隔。
“我們使用一組預期在真實天體中觀察到的特徵描述了我們模擬的屬性。 在大約一百萬個物體的數據集中，我們搜索了超新星、Ia 型超新星、II 型超新星和潮汐坍塌事件，”伊利諾伊大學厄巴納-香檳分校的博士後 Kostyantyn Malanchev 解釋說。
接下來，使用kd-tree算法將真實物體的亮度曲線數據與模擬數據進行比較。 隨後，該團隊為總共 15 個匹配項的每次模擬確定了 105 個最近鄰，即來自 ZTF 數據庫的真實對象，研究人員對這些匹配項進行了目視檢查是否存在異常。 人工檢查確認了 11 個異常，其中 7 個是超新星候選者，4 個是可能發生潮汐破壞事件的活動星系核候選者。
這項研究表明，該方法非常有效且易於使用。 所提出的用於探測某種類型的宇宙現象的算法具有通用性，可用於探測任何有趣的天文物體，而不僅限於稀有類型的超新星。
你可以幫助烏克蘭對抗俄羅斯侵略者。 最好的方法是通過以下方式向烏克蘭武裝部隊捐款 拯救生命 或通過官方頁面 NBU.
另請閱讀：