Herramientas de aprendizaje automático clasifican 1000 supernovas
24/11/2022 de Caltech
Astrónomos de Caltech han empleado un algoritmo de aprendizaje automático para clasificar 1000 supernovas de forma completamente autónoma. El algoritmo ha sido aplicado a datos obtenidos por el instrumento ZTF (Zwicky Transient Facility) instalado en el Observatorio de Monte Palomar.
El ZTF escanea el firmamento todas las noches buscando cambios, conocidos como fenómenos transitorios. Esto incluye cualquier cosa, desde asteroides en movimiento hasta agujeros negros que acaban de engullir estrellas, pasando por estrellas que explotan como supernovas. El ZTF envía cientos de miles de alertas cada noche a astrónomos de todo el mundo, notificándoles acerca de estos fenómenos transitorios. Entonces los astrónomos usan sus telescopios para realizar un seguimiento e investigar la naturaleza del objeto cambiante.
Hasta ahora, el ZTF ha permitido descubrir miles de supernovas. Pero la cantidad de datos obtenidos cada noche es tan grande que los miembros del equipo del ZTF no pueden estudiarlos todos por sí mismos. Por ello, han desarrollado algoritmos de aprendizaje automático que les ayudan, como SNIascore, que identifica posibles supernovas de Tipo Ia, que se producen cuando una estrella masiva roba material de otra vecina, lo que provoca una explosión termonuclear. Este tipo de supernovas son utilizadas por los astrónomos para medir distancias en el Universo, así como el ritmo de su expansión.
Los astrónomos están ahora trabajando para extender las capacidades del algoritmo, de modo que pueda clasificar otros tipos de supernovas en el futuro cercano.
[Fuente]
