Was würde Galileo tun?
Eine Gruppe von Wissenschaftlern und Astronomen hat erfolgreich künstliche Intelligenz und maschinelles Lernen eingesetzt, um Supernovae während ihrer Entstehung zu identifizieren und zu klassifizieren. Es handelte sich um einen Robotertest des Projekts Bright Transient Sky Survey (BTS), das Teil eines größeren Programms zur Erkennung und Klassifizierung von Supernovae ist, die einen bestimmten Helligkeitsgrad überschreiten.
Das Team hinter dem BTS-Roboter behauptet, dass er Wissenschaftlern mehr Zeit für die Analyse von Ereignissen am Himmel verschaffen kann, indem er den menschlichen Vermittler ausschaltet, der bestätigen muss, dass es sich bei einem entdeckten Ereignis tatsächlich um eine Sternexplosion handelt. Der Roboter wurde letzte Woche in Betrieb genommen und wird von Studenten und Professoren der Northwestern University, einer privaten Forschungseinrichtung, betrieben.
„Dies ist ein wichtiger Schritt“, sagt Adam Miller, außerordentlicher Professor an der Northwestern University, „denn die Verfeinerung des Modells wird es dem Roboter ermöglichen, spezifische Untertypen von Sternexplosionen zu isolieren“. Letztendlich wird der Rückzug der Menschen dem Forschungsteam mehr Zeit geben, die Beobachtungen zu analysieren und neue Hypothesen zur Erklärung des Ursprungs der beobachteten kosmischen Explosionen aufzustellen“.
Einige waren besorgt, dass sie durch künstliche Intelligenz ersetzt werden könnten, und sprachen sich gegen die Idee aus, den „menschlichen Vermittler“ zu entfernen, aber Miller sagte, das Ziel sei es, die Effizienz zu steigern.
„Wir machen das seit etwa 2018, als dieses Projekt begann“, sagte Nabil Rehemtula, Projektleiter und Student mit einem Abschluss in Astronomie, gegenüber TCN. „Wir haben jetzt also Zehntausende von Supernovae, mit denen wir üben und Modelle erstellen und den Prozess automatisieren können.
Der Pferdekopfnebel ist in diesem
Die nach dem Astronomen Fritz Zwicky benannte Zwicky Transient Facility (ZTF) am Palomar-Observatorium in San Diego, Kalifornien, wurde 2018 eingerichtet, um solche kosmischen Ereignisse schnell zu identifizieren.
Dem BTSbot-Projektteam unter der Leitung von Remtula und Miller gehören Mitglieder der Northwestern University, des Caltech, der Liverpool John Moores University und der University of Minnesota an.
Um das KI-Modell zu trainieren, versorgte Remtula den Algorithmus mit über 1,4 Millionen historischen Bildern aus 16.000 Quellen. Diese Quellen umfassten bestätigte Supernovae, temporär explodierende Sterne, periodisch veränderliche Sterne und explodierende Galaxien.
Rehemtula erklärte, dass jedes Jahr etwa 1300 bis 1400 Supernovae beobachtet werden, was eine große Menge an Daten zur Analyse liefert. Der Bright Transients Survey misst alles, was auftaucht und verschwindet, heller und dunkler wird, und das ist ein einzigartiges Ereignis“, sagte er.
„Es ist wichtig, den Modellen ein sauberes und repräsentatives Trainingspaket zu geben“, sagte Rehemtula. Wir beginnen also damit, in die Vergangenheit zurückzugehen und zu sehen, welche Supernovae oder andere Dinge ursprünglich durch den BTS-Filter gegangen sind.
Remtula erklärt, dass es auf diese Weise einfach ist, Himmelsphänomene auszuschließen, die keine Supernovae sind.
Neues zusammengesetztes Bild der Andromeda-Galaxie, aufgenommen am Palomar-Observatorium im sichtbaren Licht in drei Bändern. Bildnachweis: ZTF/D. Goldstein and R. Hurt (Caltech).
