Облачные, туманные и светящиеся структуры видны на фоне космоса, усеянного звездами.
Молодое звездное скопление в области звездообразования Ро Змееносца было одним из 52 скоплений, на которых была обучена нейронная сеть EAGLES. (Фото предоставлено ESO/Оцифрованный обзор неба 2/Давид Де Мартин)
Новый алгоритм машинного обучения призван обеспечить улучшенные измерения возраста звезд, позволяя астрономам лучше моделировать эволюцию звезд.
Алгоритм представляет собой ИИ-версию проекта под названием EAGLES, который предназначен для оценки возраста по ширине, эквивалентной литиевому эквиваленту. EAGLES использует содержание лития в звездах для определения их возраста. Ранее эта работа выполнялась путем подгонки данных к графикам. Поскольку опросы дают все больше и больше данных, эта задача становится все более трудоемкой и сложной, поэтому для выполнения этой работы был создан искусственный интеллект.
Все звезды рождаются с одинаковой долей лития, но с возрастом они теряют этот литий с разной скоростью, в зависимости от их массы и, следовательно, температуры (поскольку чем массивнее звезда, тем выше температура, которую астрономы используют в качестве косвенного показателя, поскольку они не могут измерить массу звезды напрямую).
Чем горячее звезда, тем больше скорость конвекции во внешних слоях этой звезды и тем больше это приводит к образованию лития на поверхности звезды. Когда литий погружается в недра звезды, он превращается в два ядра гелия путем слияния с протоном, и в результате с течением времени литий все больше истощается. Следовательно, обилие лития, наблюдаемое в звезде, в сочетании с температурой звезды в совокупности должно служить показателем возраста этой звезды.
Традиционно астрономы измеряют возраст звезды с помощью лития, наблюдая за силой спектральной линии лития в спектре звезды (именно к этому относится "эквивалентная ширина" в названии EAGLES), а затем пытаются подогнать ее под модели звездной эволюции.
Мало того, что этот метод "сложен в применении и требует много работы", но ученые также хотят выйти за рамки содержания лития и включить другие звездные свойства, которые также могут указывать на возраст, сказал Джордж Уивер из Кильского университета Соединенного Королевства в интервью журналу Space.com .
Таким образом, Уивер и его научный руководитель, астрофизик из Университета Киля Робин Джеффрис, внедрили искусственный интеллект, чтобы взять на себя часть рабочей нагрузки, особенно при обработке большого количества информации, охватывающей другие возрастные показатели, поступающей из крупных обзоров всего неба. В ходе этих опросов, возможно, искусственный интеллект сможет найти новые, ранее не обнаруженные взаимосвязи в данных о звездах.
Реконструкция истории звездообразования
Астрономам легче измерить относительный возраст звезд в звездных скоплениях, потому что все звезды скопления родились в одно и то же время, а это означает, что их можно напрямую сравнить, основываясь на том, как они эволюционировали.
Имея это в виду, Уивер и Джеффрис отобрали образцы 6000 звезд из в общей сложности 52 скоплений, наблюдаемых миссией ЕКА Gaia. Затем они обучили алгоритм EAGLES на выбранных звездных телах.
"Модель звездной эволюции говорит вам, как должна выглядеть звезда в зависимости от возраста", - сказал Джеффрис. Space.com . "Очевидно, что если у нас есть звезды, возраст которых мы знаем, то это очень полезно при сравнении с моделями звездной эволюции".
Искусственный интеллект все чаще используется в астрономии как метод обработки больших данных, и EAGLES ничем не отличается. Вскоре он будет применен к двум глубоким исследованиям, начиная с исследования WEAVE (WHT Enhanced Area Velocity Explorer) на телескопе Уильяма Гершеля в Ла-Пальме в этом году и продолжая исследованием 4MOST (4-метровый мультиобъектный спектрографический телескоп) на телескопе VISTA (Обзорный телескоп для астрономии в видимом и инфракрасном диапазонах).) телескоп в Европейской южной обсерватории в Чили в 2024 году.
"Это два крупных спектроскопических исследования, которые охватят практически все небо и снимут спектры буквально десятков миллионов звезд", - сказал Джеффрис. "Они будут измерять ширину, температуру, скорость вращения и магнитную активность в литиевом эквиваленте. Затем мы надеемся определить возраст, который является неотъемлемой частью всего смысла проведения этих исследований, а именно попытаться реконструировать историю звездообразования различных популяций звезд в галактике".
Уивер надеется в конечном итоге расширить список EAGLES еще больше, включив в него возрастные показатели помимо содержания лития. Некоторые параметры включают содержание бария, магнитную активность и скорость вращения звезд.
"Вы можете ввести столько данных, сколько у вас есть, и модель сотворит свое волшебство", - сказал Уивер. "Итак, на данный момент мы просто расширяем эти дополнительные возрастные показатели".
Однако нейронная сеть EAGLES имеет одно существенное ограничение. Он может точно измерить возраст звезд только примерно до 6 миллиардов лет, что является возрастом самого старого скопления, на котором был обучен алгоритм. Более того, все старейшие звезды во Вселенной, как правило, содержат одинаковое количество лития.
"Вы бы не получили из лития дискриминатор по возрасту для самых старых звезд", - сказал Джеффрис. "Это лучше всего подходит для молодых звезд".
Это означает, что EAGLES нельзя использовать для измерения возраста спорных звезд, таких как звезда Мафусаила, возраст которой, согласно некоторым исследованиям, превышает 13,8 миллиарда лет существования Вселенной – хотя более поздние исследования дискредитировали такое представление и пересмотрели ее возраст на меньший, чем возраст Вселенной.
