Ανακαλύφθηκαν 116.000 νέοι μεταβλητοί αστέρες

Χρησιμοποιήθηκαν δεδομένα του ASAS-SN (All-Sky Automated Survey for Supernovae), ενός δικτύου 20 τηλεσκοπίων ανά τον κόσμο, το οποίο μπορεί να παρατηρεί ολόκληρο τον ουρανό με διακριτική ικανότητα 50.000 φορές μεγαλύτερη από αυτή του ανθρώπινου ματιού. Η επεξεργασία των δεδομένων, για την αναγνώριση και την ταξινόμηση των μεταβλητών αστέρων, πραγματοποιήθηκε με τη χρήση τεχνητής νοημοσύνης, αλλά και την συνεισφορά ανθρώπινου δυναμικού. Οι μέθοδοι που χρησιμοποιήθηκαν, καθώς και ο κατάλογος των νέων μεταβλητών αστέρων, δημοσιεύτηκαν σε μελέτη των ερευνητών της πολιτείας του Οχάιο.

Μεταβλητοί ονομάζονται οι αστέρες των οποίων η λαμπρότητα φαίνεται να αλλάζει όπως τους παρατηρούμε από την Γη. Από τους 116.000 μεταβλητούς αστέρες που παρατηρήθηκαν, οι 111.000 είναι περιοδικοί, δηλαδή η λαμπρότητά τους αλλάζει με τον ίδιο τρόπο σε ίσα χρονικά διαστήματα. Οι υπόλοιποι 5.000 είναι ανώμαλοι, δηλαδή δεν υπάρχει συγκεκριμένο μοτίβο στον τρόπο μεταβολής της λαμπρότητάς τους. Οι μεταβολές της λαμπρότητας μπορεί να οφείλονται σε ενδογενείς ή εξωγενείς παράγοντες. Στην πρώτη κατηγορία ανήκουν οι αστέρες των οποίων η λαμπρότητα αλλάζει φυσικά λόγω παλμών, εκρήξεων ή λόγω διόγκωσης και συρρίκνωσής τους, ενώ στην δεύτερη ανήκουν οι αστέρες που η λαμπρότητά τους μεταβάλλεται λόγω έκλειψης από άλλο αστέρι του συστήματός τους, από κάποιον πλανήτη ή από εκτάσεις σκόνης που βρίσκονται γύρω τους.

Η εν λόγω έρευνα διεξάγεται τα τελευταία δέκα χρόνια. Από το 2013, που ξεκίνησε, μέχρι το 2018, χρησιμοποιούνταν στα τηλεσκόπια φίλτρα v-band, τα οποία επέτρεπαν την ταυτοποίηση αστέρων οι οποίοι εκπέμπουν στο ορατό τμήμα του ηλεκτρομαγνητικού φάσματος. Από το 2018, άρχισαν να χρησιμοποιούνται φίλτρα και φακοί g-band, τα οποία είναι περισσότερο ευαίσθητα στο μπλε τμήμα του φάσματος. Αποτέλεσμα αυτής της αλλαγής ήταν η δραματική αύξηση του όγκου διαθέσιμων δεδομένων. Συγκεκριμένα, ο αριθμός των αστέρων που μπορούσαν να παρατηρηθούν από το δίκτυο μέχρι το 2018 ήταν περίπου 60 εκατομμύρια, ενώ πλέον ανέρχεται στα 100.

Η αύξηση των δεδομένων που μπορούν να χρησιμοποιηθούν δημιούργησε την ανάγκη εφαρμογής νέων μεθόδων επεξεργασίας τους, ώστε η ταυτοποίηση και η κατηγοριοποίηση των μεταβλητών αστέρων να πραγματοποιείται πιο σύντομα και αποτελεσματικά. Η ολοκλήρωση της έρευνας με τη χρήση αποκλειστικά ανθρώπινου δυναμικού κρίθηκε αδύνατη από τους ερευνητές. Συνεπώς, στράφηκαν στην τεχνητή νοημοσύνη. Κατασκευάστηκε αλγόριθμος κατηγοριοποίησης με τεχνικές machine learning₁, που διαχωρίζει τους αστέρες της λίστας σε αστέρες με σταθερή λαμπρότητα και σε αστέρες που πιθανόν είναι μεταβλητοί, οι οποίοι, στη συνέχεια, ταξινομούνται σε οκτώ διαφορετικούς τύπους μεταβλητών.

Ο αλγόριθμος χρησιμοποιήθηκε στο πρώτο στάδιο της ταξινόμησης. Με αφετηρία έναν κατάλογο 55 εκατομμυρίων αστέρων, αναγνωρίστηκαν 1,5 εκατομμύρια πιθανοί μεταβλητοί. Στη συνέχεια, οι επιστήμονες επιβεβαίωσαν ότι οι 400.000 από τους υποψήφιους είναι πράγματι μεταβλητοί, εκ των οποίων οι 116.027 δεν ήταν γνωστοί στην αστρονομική κοινότητα πριν την εν λόγω μελέτη. Ο ρόλος της τεχνητής νοημοσύνης ήταν κεντρικός στην αναγνώριση και ταξινόμηση των μεταβλητών αστέρων. Ωστόσο, η μελέτη δεν θα μπορούσε να αποκτήσει την τελική της μορφή χωρίς την συνεισφορά εθελοντών πολιτών, οι οποίοι βοήθησαν στην αναγνώριση «κακών δεδομένων» και, κατ’ επέκταση, την βελτίωση του αλγορίθμου.

Η μελέτη μεταβλητών αστέρων είναι ζωτικής σημασίας στην αστροφυσική. Μπορούν να μας δώσουν πληροφορίες για τις διαδικασίες που λαμβάνουν χώρα στο εσωτερικό των αστέρων, για τα φυσικά τους χαρακτηριστικά, αλλά και για τα μορφολογικά χαρακτηριστικά των συστημάτων στα οποία ανήκουν. Ακόμη, χρησιμοποιούνται για την μέτρηση αποστάσεων και την κατανόηση της δομής του Γαλαξία.

1. Είναι αλγόριθμος του τύπου “random forest classifier”.

^{Στην κεντρική φωτογραφία: Ο αστέρας RS Puppis, ένας από τους φωτεινότερους μεταβλητούς Κηφείδες αστέρες στον γαλαξία μας.
Φωτογραφία: Hubble Space Telescope}

Πηγή: astronio.gr