Umělá neuronová síť nalézá urychlující hvězdy

Astronomové našli šest uprchlých hvězd, když aplikovali neuronovou síť na data z mise Gaia Evropské vesmírné agentury, která má mapovat miliardu hvězd přes Mléčnou dráhu a dále.

Pokud jste se někdy pokusili hledat jehlu v příslovečném kupce sena, možná byste si přáli počítač, který by to pro vás mohl udělat. Tým evropských astronomů nedávno vyškolil umělou neuronovou síť, aby udělala právě to, kde je kupce sena naší galaxií a jehla uteklá hvězda.

Umělec dojem dvou hvězd, které se zrychlují ze středu naší Galaxie, Mléčné dráhy, na její okraj.
ESA / CC BY-SA 3.0 IGO

Elena Maria Rossi a Tomasso Marchetti představili na Evropském týdnu astronomie a kosmických věd v Praze své zjištění, že našli šest hypervelocity hvězd odletějících z galaktického centra Mléčné dráhy rychlostí vyšší než 350 kilometrů za sekundu (více než 780 000 mph). Jedna z těchto hvězd má vysokou pravděpodobnost úniku z Mléčné dráhy.

Hvězdy hypervelocity jsou velmi žádané nejen kvůli jejich původu v těžko pozorovatelném jádru naší galaxie, ale také proto, že nám mohou pomoci zmapovat gravitační pole naší galaxie, včetně jejího rozdělení temné hmoty. Předchozí snahy o nalezení hypervelocity se zaměřily na spektra, protože většina hvězd v bouli a halo jsou obvykle staré a červené, každý mladší, modřejší a vetřelci by byli hlavními kandidáty na nedávné vyhazovače z centra Mléčné dráhy. Tato metoda však předpokládá, že hvězdné vlastnosti hvězd hypervelocity jsou stejné, což nemusí být pravda. Jiné studie se pokusily identifikovat hvězdy hypervelocity jejich správným pohybem (jejich pohyb po obloze) a vzdáleností, ale měření jsou příliš nejistá na to, aby bylo jisté, kde vznikly hvězdy.

Umělcova dojem Gaia mapující hvězdy Mléčné dráhy.
ESA / ATG medialab; pozadí: ESO / S. Brunier

Mise ESA Gaia toto všechno mění. Gaia je kosmický dalekohled, který byl spuštěn v roce 2013 a jehož cílem je vytvořit dosud největší a nejpřesnější 3D mapu hvězd v naší galaxii. Jeho konečný katalog, který má být propuštěn v roce 2022, bude sestávat z přesných pozic, paralax a správných pohybů pro více než miliardu hvězd - řádově o více hvězd, než je zahrnuto v současném průzkumu.

Jako spirální galaxie se Mléčná dráha skládá z plochého, palačinkového disku s centrální kulovou boulí. Sférický halo obsahující stovky tisíc hvězd obklopuje galaxii, ale drtivá většina hvězd je umístěna na disku a bouli, obíhající rychlostí mezi 210 a 240 km / s. Hvězdy v halou se pohybují pomaleji rychlostí zhruba 150 km / s. Vypadá to, že by mělo být snadné najít hvězdy rychlostí vyšší než 350 km / s. Ale s více než stovkou miliard hvězd v galaxii a méně než milionem z nich se známými rychlostmi není identifikace útočících hvězd vzhledem k pomaleji se pohybujícím hvězdám pozadí malý úkol.

To je místo, kde strojové učení přichází. Rossi a Marchetti vytvořili umělou neuronovou síť, počítačový algoritmus volně založený na způsobu, jakým neurony spolu mluví v mozku (i když jsou daleko od skutečné umělé inteligence), aby pomohly odlišit hypervelocity od jejich hvězd „Normální“ bratři.

Nejprve vědci vytvořili falešnou datovou sadu hypervelocity hvězd a vložili je do simulované datové sady Gaia. Potom „vyškolili“ algoritmus, aby rozpoznali rozdíl mezi hypervelocity hvězdou a normální hvězdou. Jakmile se „naučil“, co hledat, algoritmus poté převzal reálná data z prvního vydání Gaia, které vyšlo loni, a vybral podezřelé hvězdy hypervelocity. Následná pozorování zúžila 80 původních kandidátů na šest prezentovaných v Praze.

Zatímco měření vzdáleností těchto hvězd je stále příliš nejistá, aby bylo možné přesně sledovat jejich původ, tým očekává přesnější měření z budoucích pozorování Gaia. Rossi, Marchetti a jejich kolegové budou mít příležitost podrobit zkoušku své neuronové sítě v dubnu 2018, kdy je naplánováno druhé uvolnění dat Gaia.

Následující video ukazuje pohyby hvězd v naší galaxii před více než 1 miliónem let až do současnosti, vypočteno z údajů z misí Gaia a Hipparcos. (Video je podobné videu zveřejněnému v dubnu a ukazuje předvídané pohyby hvězd do budoucnosti.)