97889 64456 72312 47532 85224 72311 99738 05314 18822 88877 83701 91188 72106 98803 83485 70762 67561 00923 55229 06479 57972 59061 74949 93171 14807 03728 86417 14924 55271 76483 09709 80826 48003 69756 41326 33857 90179 16007 50123 74390 32549 30315 44217 63317 75601 80709 41762 62320 18455 61834 28274 17965 11564 40730 97515 38882 00045 18375 34435 87730 65633 86354 42635 03181 37624 00288 29224 98754 64198 42645 13159 80277 57942 84214 09885 11406 37363 27238 16160 82824 82750 03902 45252 98749 86602 85405 74120 11069 70749 63642 54482 33973 81058 25338 11638 53184 38067 75862 58160 05931 81160 94118 63131 11678 37627 13358 15577 41533 20376 02073 54475 97260 40548 91470 84971 47067 00960 20371 54295 32383 70544 08125 72446 96640 07075 16165 30869 08344 20223 85830 11652 84248 58240 18720 83640 74865 63798 26432 11368 91553 98930 40390 63732 07578 52004 83379 91665 87295 27594 70342 33614 00445 56766 74846 32119 67664 51801 34739 44392 32414 80290 43295 50949 32938 59188 82226 64963 12065 07486 96473 17151 41690 05059 80565 72757 89563 68610 87113 78719 74762 26213 13426 23716 54025 70952 73308 30338 98371 80443 39662 15506 33308 53719 47268 57523 71539 98084 43052 68615 92226 35372 86296 82533 08533 12606 77475 19780 50069 42332 94775 84463 97795 86712 89454 36026 27730 87899 25252 69813 38682 Der Swift-Satellit und die KI der NASA bestimmen die Entfernung der am weitesten entfernten Gammastrahlenausbrüche – MJRBJC
Kosmischer Sprung: NASA-Satellit Swift und KI bestimmen die Entfernung der am weitesten entfernten Gammastrahlenausbrüche

Swift, hier gezeigt, ist eine Zusammenarbeit zwischen dem Goddard Space Flight Center der NASA in Greenbelt, Maryland, Penn State im University Park, dem Los Alamos National Laboratory in New Mexico und Northrop Grumman Innovation Systems in Dulles, Virginia. Weitere Partner sind die University of Leicester und das Mullard Space Science Laboratory im Vereinigten Königreich, das Brera-Observatorium in Italien und die italienische Raumfahrtbehörde. Bildnachweis: NASA Goddard Space Flight Center/Chris Smith (KBRwyle)

Das Aufkommen der KI wurde von vielen als gesellschaftlicher Wendepunkt gefeiert, da es ein Universum an Möglichkeiten eröffnet, nahezu jeden Aspekt unseres Lebens zu verbessern.

Astronomen nutzen mittlerweile KI im wahrsten Sinne des Wortes, um die Ausdehnung unseres Universums zu messen.

Zwei aktuelle Studien unter der Leitung von Maria Dainotti, Gastprofessorin am Nevada Astrophysics Center der UNLV und Assistenzprofessorin am National Astronomical Observatory of Japan (NAOJ), integrierten mehrere Modelle des maschinellen Lernens, um ein neues Maß an Genauigkeit bei Entfernungsmessungen für Gammastrahlen zu erreichen. Bursts (GRB) – die hellsten und heftigsten Explosionen im Universum.

GRBs setzen in nur wenigen Sekunden die gleiche Energiemenge frei, die unsere Sonne im Laufe ihres gesamten Lebens freisetzt. Dank ihrer Helligkeit können GRBs in mehreren Entfernungen beobachtet werden, auch an den Rändern des sichtbaren Universums, und helfen Astronomen bei ihrer Suche nach den ältesten und am weitesten entfernten Sternen. Aufgrund der Einschränkungen der aktuellen Technologie verfügt jedoch nur ein kleiner Prozentsatz der bekannten GRBs über alle Beobachtungsmerkmale, die erforderlich sind, um Astronomen bei der Berechnung ihrer Entfernung zu helfen.

Dainotti und seine Teams kombinierten GRB-Daten vom Neil Gehrels Swift Observatory der NASA mit mehreren maschinellen Lernmodellen, um die Einschränkungen der aktuellen Beobachtungstechnologie zu überwinden und, genauer gesagt, die Nähe von GRBs abzuschätzen, deren Entfernung unbekannt ist. Da GRBs sowohl in großer Entfernung als auch in relativ geringer Entfernung beobachtet werden können, kann das Wissen, wo sie auftreten, Wissenschaftlern dabei helfen, zu verstehen, wie sich Sterne im Laufe der Zeit verändern und wie viele GRBs in einem bestimmten Raum und zu einer bestimmten Zeit auftreten können.

„Diese Forschung verschiebt die Grenzen der Gammaastronomie und des maschinellen Lernens“, sagte Dainotti. „Folgeforschung und Innovation werden uns helfen, noch zuverlässigere Ergebnisse zu erzielen und es uns ermöglichen, einige der dringendsten kosmologischen Fragen zu beantworten, einschließlich der frühesten Prozesse in unserem Universum und seiner Entwicklung im Laufe der Zeit.“

KI verschiebt die Grenzen der Weltraumbeobachtung In einer Studie verwendeten Dainotti und Aditya Narendra, ein Doktorand im Abschlussjahr an der polnischen Jagiellonen-Universität, mehrere Methoden des maschinellen Lernens, um vom Swift UltraViolet/Optical (UVOT)-Weltraumteleskop beobachtete Entfernungs-GRBs genau zu messen und bodengestützte Teleskope, einschließlich des Subaru-Teleskops. Die Messungen basierten nur auf anderen GRB-Eigenschaften, die keinen Bezug zur Entfernung hatten. Die Studie wurde am 23. Mai im veröffentlicht Briefe aus astrophysikalischen Fachzeitschriften.

„Die Ergebnisse dieser Studie sind so präzise, ​​dass wir anhand der vorhergesagten Entfernung die Anzahl der GRBs in einem bestimmten Volumen und in einer bestimmten Zeit (Rate genannt) bestimmen können, was den tatsächlich beobachteten Schätzungen sehr nahe kommt“, sagte Narendra.

Kosmischer Sprung: NASA-Satellit Swift und KI bestimmen die Entfernung der am weitesten entfernten Gammastrahlenausbrüche

Künstlerische Konzeption, die die Kombination von KI-Modellierung mit dem Swift-Satelliten der NASA zeigt. Bildnachweis: Maria Dainotti

In einer weiteren Studie von Dainotti und internationalen Mitarbeitern konnte die GRB-Entfernung mithilfe maschinellen Lernens mithilfe von Daten des Swift X-Ray Telescope (XRT) der NASA, dem Nachleuchten des sogenannten langen GRB, erfolgreich gemessen werden. Es wird angenommen, dass GRBs auf unterschiedliche Weise auftreten. Lange GRBs treten auf, wenn ein massereicher Stern das Ende seines Lebens erreicht und in einer spektakulären Supernova explodiert. Eine andere Art, sogenannte kurze GRBs, entsteht, wenn die Überreste toter Sterne, wie zum Beispiel Neutronensterne, gravitativ verschmelzen und miteinander kollidieren.

Laut Dainotti liegt die Neuheit dieses Ansatzes darin, dass mehrere Methoden des maschinellen Lernens zusammen verwendet werden, um ihre kollektive Vorhersagekraft zu verbessern. Diese als Superlearner bezeichnete Methode weist jedem Algorithmus eine Gewichtung zu, deren Werte zwischen 0 und 1 liegen, wobei jede Gewichtung der Vorhersagekraft dieser einzelnen Methode entspricht.

„Der Vorteil von Superlearner besteht darin, dass die endgültige Vorhersage immer die einzelnen Modelle übertrifft“, sagte Dainotti. „Superlearner wird auch verwendet, um weniger prädiktive Algorithmen auszuschließen.“

Diese Studie wurde am 26. Februar veröffentlicht Das Astrophysical Journal, Ergänzungsreiheschätzt zuverlässig die Entfernung von 154 langen GRBs, deren Entfernung unbekannt ist, und erhöht die Population bekannter Entfernungen bei diesem Burst-Typ erheblich.

Beantwortung verwirrender Fragen zum GRB-Training

Eine dritte Studie, veröffentlicht am 21. Februar in der Briefe aus astrophysikalischen Fachzeitschriften und unter der Leitung der Astrophysiker Vahé Petrosian und Dainotti von der Stanford University nutzten Swift-Röntgendaten, um rätselhafte Fragen zu beantworten, indem sie zeigten, dass die GRB-Rate – zumindest bei kleinen relativen Entfernungen – nicht der Rate der Sternentstehung folgt.

„Dies eröffnet die Möglichkeit, dass lange GRBs in kleinen Entfernungen nicht durch den Kollaps massereicher Sterne, sondern durch die Verschmelzung sehr dichter Objekte wie Neutronensterne erzeugt werden könnten“, sagte Petrosian.

Mit Unterstützung des Swift Observatory Guest Investigator-Programms der NASA (Zyklus 19) arbeiten Dainotti und Kollegen derzeit daran, Tools für maschinelles Lernen über eine interaktive Webanwendung öffentlich zugänglich zu machen.

Mehr Informationen:
Maria Giovanna Dainotti et al., Gammastrahlenausbrüche als Entfernungsindikatoren unter Verwendung eines statistischen Lernansatzes, Briefe aus der astrophysikalischen Zeitschrift (2024). DOI: 10.3847/2041-8213/ad4970

Maria Giovanna Dainotti et al., Ableitung der Rotverschiebung von über 150 GRBs mit einem Ensemblemodell für maschinelles Lernen, Die Ergänzungsreihe zum Astrophysikalischen Journal (2024). DOI: 10.3847/1538-4365/ad1aaf

Vahé Petrosian et al., Vorläufer von Gammastrahlenausbrüchen mit geringer Rotverschiebung, Briefe aus der astrophysikalischen Zeitschrift (2024). DOI: 10.3847/2041-8213/ad2763

Zur Verfügung gestellt von der University of Nevada, Las Vegas

Zitat: Kosmischer Sprung: NASA-Satellit Swift und KI enthüllen die Entfernung der am weitesten entfernten Gammastrahlenausbrüche (25. Mai 2024), abgerufen am 25. Mai 2024 von https://phys.org/news/2024-05-cosmic-nasa- Swift-Satellite-ai.html

Dieses Dokument unterliegt dem Urheberrecht. Mit Ausnahme der fairen Nutzung für private Studien- oder Forschungszwecke darf kein Teil ohne schriftliche Genehmigung reproduziert werden. Der Inhalt dient lediglich der Information.

By rb8jg

Leave a Reply

Your email address will not be published. Required fields are marked *

Failed to fetch data from the URL.