Secondo un nuovo documento, gli astronomi della Ohio State University hanno identificato circa 116.000 nuove stelle variabili.

Questi corpi celesti sono stati trovati da The All-Sky Automated Survey for Supernovae (ASAS-SN), una rete di 20 telescopi in tutto il mondo in grado di osservare l'intero cielo circa 50.000 volte più profondo dell'occhio umano. I ricercatori dell'Ohio State gestiscono il progetto da quasi un decennio.

Ora in un articolo pubblicato su arXiv, un server di prestampa ad accesso aperto, i ricercatori descrivono come hanno utilizzato tecniche di apprendimento automatico per identificare e classificare stelle variabili, oggetti celesti la cui luminosità aumenta e diminuisce nel tempo, specialmente se osservati dalla nostra prospettiva sulla Terra.

I cambiamenti che subiscono queste stelle possono rivelare importanti informazioni sulla loro massa, raggio, temperatura e persino sulla loro composizione. Infatti anche il nostro sole è considerato una stella variabile. Sondaggi come ASAS-SN sono uno strumento particolarmente importante per trovare sistemi in grado di rivelare la complessità dei processi stellari, ha affermato Collin Christy, autore principale del documento e analista ASAS-SN presso l'Ohio State.

"Le stelle variabili sono una specie di laboratorio stellare", ha detto. "Sono posti davvero belli nell'universo dove possiamo studiare e imparare di più su come funzionano effettivamente le stelle e le piccole complessità che hanno tutte".

Ma per individuare più di queste entità sfuggenti, il team ha dovuto prima importare dati precedentemente inutilizzati dal progetto. Per anni ASAS-SN ha osservato il cielo utilizzando filtri in banda V, lenti ottiche che possono identificare solo stelle la cui luce rientra nello spettro dei colori visibili ad occhio nudo. Ma nel 2018, il progetto è passato all'utilizzo di filtri in banda g, lenti in grado di rilevare più varietà di luce blu, e la rete è passata dall'essere in grado di osservare circa 60 milioni di stelle alla volta a oltre 100 milioni.

Ma a differenza della campagna di scienza dei cittadini di ASAS-SN, che si basa su volontari per setacciare e classificare i dati astronomici, lo studio di Christy ha richiesto l'aiuto dell'intelligenza artificiale.

"Se vuoi guardare milioni di stelle, è impossibile che alcuni umani lo facciano da soli. Ci vorrà un'eternità", ha detto Tharindu Jayasinghe, coautore dell'articolo, uno studente di dottorato in astronomia e uno stato dell'Ohio collega presidenziale. "Quindi abbiamo dovuto inserire qualcosa di creativo nel mix, come le tecniche di apprendimento automatico".

Il nuovo studio si è concentrato sui dati di Gaia, una missione per tracciare una mappa tridimensionale della nostra galassia, nonché di 2MASS e AllWISE. Il team di Christy ha utilizzato un algoritmo di apprendimento automatico per generare un elenco di 1,5 milioni di stelle variabili candidate da un catalogo di circa 55 milioni di stelle isolate.

Successivamente, i ricercatori hanno ridotto ulteriormente il numero di candidati. Degli 1,5 milioni di stelle che hanno studiato, quasi 400.000 si sono rivelate vere stelle variabili. Più della metà erano già note alla comunità astronomica, ma 116.027 di esse si sono rivelate nuove scoperte.

Sebbene lo studio richiedesse l'apprendimento automatico per completarlo, il team di Christy afferma che c'è ancora un ruolo per gli scienziati cittadini. In effetti, i volontari con la campagna di citizen science hanno già iniziato a identificare i dati spazzatura, ha affermato. "Il fatto che le persone ci dicano come sono i nostri dati errati è super utile, perché inizialmente l'algoritmo guarderebbe i dati errati e cercherebbe di dargli un senso", ha detto Christy.

Ma l'utilizzo di un set di allenamento di tutti quei dati errati consente al team di modificare e migliorare le prestazioni complessive del proprio algoritmo. "Questa è la prima volta che stiamo effettivamente combinando la scienza dei cittadini con tecniche di apprendimento automatico nel campo dell'astronomia delle stelle variabili", ha affermato Jayasinghe. "Stiamo ampliando i confini di ciò che puoi fare quando metti insieme quei due". + Esplora ulteriormente

Gli scienziati cittadini trovano 10.000 nuove stelle variabili