Rappresentazione artistica della formazione di polvere attorno all'esplosione di una supernova. Credito:ESO/M. Kornmesser
Un nuovo lavoro esamina l'utilizzo dell'apprendimento automatico per decifrare le prime fasi delle esplosioni di supernove ricostruendo la luce emessa durante l'esplosione. La ricerca è stata presentata oggi al National Astronomy Meeting 2022 da Eleonora Parrag, Ph.D. studente all'Università di Cardiff.
Le stelle morenti più massicce possono produrre alcuni dei fuochi d'artificio più luminosi della natura:le esplosioni di supernova. Questi possono essere usati per sondare le distanze nello spazio e rispondere a domande sul nostro universo, oltre a produrre gran parte del materiale stesso che costituisce il mondo che ci circonda.
La fisica che governa una supernova cambia nelle centinaia di giorni trascorsi dalla sua esplosione; le istantanee di questa fisica possono essere catturate in termini di spettro di una supernova, dove la luce viene dispersa per lunghezza d'onda nel modo in cui vediamo i colori in un arcobaleno. Gli spettri contengono le firme degli elementi nell'esplosione e possono rivelare le condizioni coinvolte. Tuttavia, questa è una risorsa limitata. Più spettri fornirebbero informazioni importanti sulla fisica in continua evoluzione che circonda le supernove e una maggiore capacità di confrontare e studiare le loro popolazioni nel tempo cosmico fino all'alba dell'universo.
Il lavoro di Parrag cerca di riempire queste informazioni mancanti con l'apprendimento automatico, algoritmi che apprendono essendo "addestrati" sulle osservazioni esistenti di centinaia di supernove. Possono costruire interi spettri artificiali basati solo su pochi punti dati che possono essere facilmente misurati da supernove precedentemente osservate. Il riempimento delle lacune per questi punti dati esistenti consente quindi di costruire uno spettro per qualsiasi esplosione passata fino a circa 200 giorni dopo l'esplosione.
Il team ha scoperto che i loro spettri artificiali riproducono molte delle caratteristiche viste nelle vere esplosioni di supernova.
La responsabile del progetto Eleonora Parrag afferma che "l'apprendimento automatico può aiutarci a trovare modelli e potenzialmente anche nuove idee in fisica nell'enorme quantità di dati dalle supernove che possiamo osservare ora e nel prossimo futuro". Aggiunge che "è davvero una strada promettente da esplorare in astrofisica in questo momento e sono molto entusiasta di ciò che potremmo scoprire in futuro sulle supernove".
Ulteriori lavori in quest'area riguarderanno l'applicazione di questo algoritmo a tutti i tipi di supernovae, oltre a migliorare l'algoritmo e aumentare il numero e la varietà di supernove utilizzate nell'addestramento. + Esplora ulteriormente
