Nowy algorytm nauczania maszynowego ma na celu zapewnić dokładniejsze pomiary wieku gwiazd i umożliwić naukowcom udoskonalenie modelu ich ewolucji.
Algorytm jest wykorzystującą AI wersją projektu EAGLES (Estimating Ages from Lithium Equivalent Widths). EAGLES wykorzystuje dane o zawartości litu w gwieździe, aby ustalić jej wiek. Dotychczas robiono to poprzez dopasowywanie danych do wykresów. Przeglądy dostarczają coraz więcej danych, więc zadanie to stało się czasochłonne i skomplikowane. Teraz algorytm bierze na siebie tę pracę.
Wszystkie gwiazdy pierwotnie posiadają tyle samo litu, jednak z czasem tracą go w różnych ilościach w zależności od ich masy, a zatem również temperatur, gdyż im bardziej masywna jest gwiazda, tym wyższa jest jej temperatura. Astronomowie wykorzystują ją jako pośredni wskaźnik, ponieważ nie mogą zmierzyć masy gwiazdy bezpośrednio.
Im gorętsza gwiazda, tym szybciej zachodzi konwekcja w zewnętrznych warstwach gwiazdy oraz więcej litu rozbija się na powierzchni. Gdy lit wsiąka w środek gwiazdy, łącząc się z protonem, przekształca się w dwa jądra helu. Wynikiem tego procesu jest z biegiem czasu coraz bardziej zubożony lit. Z tego względu nadmiar litu zaobserwowany w gwieździe wraz z jej temperaturą dostarczają pomiaru wieku gwiazdy.
Tradycyjnie astronomowie wyznaczają wiek gwiazdy, patrząc na natężenie widma emisyjnego litu w jej spektrum, następnie próbują dopasować wynik do modeli ewolucji gwiazd.
Młoda gromada w regionie gwiazdotwórczym mgławicy Ro Ophiuchi była jedną z 52 gromad, na których szkolony był EAGLES.
Ta metoda nie tylko „jest trudna i wymaga dużo pracy”, ale naukowcy chcą rozwijać też inne pomiary niż zawartości litu, aby uwzględnić inne właściwości gwiazd, które również mogą wskazywać wiek, jak mówił George Weaver z Keele University w wywiadzie dla Space.com.
Dlatego Weaver i jego promotor, astrofizyk Robin Jeffries, wdrożyli sztuczną inteligencję, aby przejęła część tej pracy, w szczególności analizę nadmiaru informacji o innych wskaźnikach wieku, pochodzących z dużych przeglądów nieba. Możliwe, że AI znajdzie nowe, wcześniej nieodkryte związki między poszczególnymi właściwościami gwiazdy.
Rekonstruowanie historii formowania się gwiazdy
Astronomowie mogą łatwo zmierzyć względny wiek gwiazd w gromadach, ponieważ gwiazdy w danej gromadzie powstały w tym samym czasie, oznacza to, że mogą być bezpośrednio porównywane w oparciu o to, jak ewoluowały.
W związku z tym Weaver i Jeffries przetestowali 6 tysięcy gwiazd z łącznie 52 gromad, zaobserwowanych podczas misji Gaia. Następnie przeszkolili algorytm EAGLES na wybranych ciałach niebieskich.
„Model ewolucji gwiazd mówi o tym, jak gwiazda powinna wyglądać w zależności od wieku” – wyjaśnił Jeffries – „Zdecydowanie jeśli mamy do czynienia z gwiazdami, których wiek znamy, jest to bardzo pomocne przy porównywaniu ich do modeli ewolucji gwiazd”.
Sztuczna inteligencja wykorzystywana jest coraz częściej w astronomii jako sposób radzenia sobie z big data. Nie jest inaczej w przypadku EAGLES. Wkrótce będzie wdrożony w dwóch dogłębnych przeglądach, zaczynając od WHT Enhanced Area Velocity Explorer (WEAVE) prowadzonego przez William Herschel Telescope w tym roku, potem w 4-meter Multi-Objects Spectrograph Telescope w ramach Visible and Infrared Survey Telescope for Astronomy (VISTA) w 2024 roku.
„Te dwa istotne przeglądy spektroskopowe obejmują praktycznie całe niebo i zmierzą widma dosłownie dziesiątek milionów gwiazd” – powiedział Jeffries – „Uzyskają długości, temperatury, prędkości obrotowe i pomiary aktywności magnetycznej odpowiadające litowi. Liczymy, że dostarczą wiek gwiazd, który jest kluczowym elementem celu, w którym przeprowadzone zostaną wspomniane przeglądy, czyli rekonstrukcji historii formowania się gwiazd dla różnych populacji gwiazd w galaktyce”.
Sieć neuronowa EAGLES będzie zastosowana w teleskopie VISTA w 2024 roku, w celu pomiaru wieku milionów gwiazd.
Weaver ma nadzieję, że ostatecznie rozszerzy EAGLES o inne wskaźniki wieku niż ilość litu. Niektóre możliwości obejmują liczebność baru, aktywność magnetyczną i prędkości obrotowe gwiazd.
„Można wpisać dowolną ilość danych, a model odpowiada za resztę magii” – wytłumaczył Weaver – „Zatem na tę chwilę rozwijamy dodatkowe wyznaczniki wieku”.
Sieć neuronowa EAGLES ma jedno znaczące ograniczenie, jednakże może precyzyjnie mierzyć wiek gwiazd nie starszych niż 6 miliardów lat, gdyż jest to wiek najstarszych gromad użytych do szkolenia algorytmu. Co więcej, najstarsze gwiazdy we Wszechświecie mają tendencje do posiadania zbliżonych ilości litu.
„Nie otrzymamy wyznacznika wieku dla najstarszych gwiazd używając litu” – powiedział Jeffries – „To działa najlepiej dla młodych gwiazd”.
Oznacza to, że EAGLES nie może być stosowany do pomiarów wieku gwiazd budzących kontrowersje, takich jak HD 140283, która według niektórych badań jest starsza od Wszechświata. Jednak najnowsze badania podważyły to przekonanie, korygując jej wiek na mniejszy od wieku Wszechświata.
Badania zaprezentowano na początku lipca podczas National Astronomy Meeting w Cardiff, a publikację zamieszczono w Monthly Notices of the Royal Astronomical Society.
