|
Скорость вращения звезд для оценки их возраста
|
|
|
|
Определение возраста звезд имеет фундаментальное значение для понимания многих областей астрономии, однако это остается сложной задачей, поскольку возраст звезд не может быть определен только с помощью наблюдений. Итак, астрономы из Университета Торонто обратились за помощью к искусственному интеллекту.
|
|
|
|
Их новая модель, получившая название ChronoFlow, использует набор данных о вращающихся звездных скоплениях и машинное обучение, чтобы определить, как скорость вращения звезды меняется с возрастом. Этот подход, недавно опубликованный в журнале Astrophysical Journal, предсказывает возраст звезд с точностью, ранее недостижимой с помощью аналитических моделей.
|
|
|
|
"Первый момент "Вау" наступил на этапе проверки концепции, когда мы поняли, что этот метод на самом деле многообещающий", - говорит Фил Ван-Лейн, кандидат наук с кафедры астрономии и астрофизики Дэвида А. Данлэпа на факультете искусств и науки, который руководил исследованием.
|
|
|
|
Ван-Лейн работала над проектом вместе с Джошем Спиглом и Гвен Иди, которые являются ассистентами профессоров астростатистики на факультетах статистических наук, астрономии и астрофизики.
|
|
|
|
Исследование опирается на два существующих подхода для более точной оценки возраста звезд.
|
|
|
|
Первое связано с тем фактом, что звезды, как правило, формируются в скоплениях. Это означает, что исследователи часто могут определить возраст всех звезд в скоплении, наблюдая за стадиями эволюции звезд скопления с большей массой, которые развиваются быстрее, чем у звезд с меньшей массой.
|
|
|
|
|
|
|
В то же время исследователи знают, что по мере старения звезд их вращение имеет тенденцию замедляться из—за взаимодействия магнитного поля звезды со звездным ветром - явления, которое хорошо изучено, но трудно поддается количественной оценке с помощью простой математической формулы.
|
|
|
|
С помощью ChronoFlow исследователи из Калифорнийского университета в Торонто собрали самый большой в истории каталог вращающихся звезд в скоплениях, включающий около 8000 звезд в более чем 30 скоплениях различного возраста, используя данные таких обзоров звезд, как Kepler, K2, TESS и GAIA. Затем они использовали этот набор данных для обучения своей модели искусственного интеллекта, чтобы предсказать, как меняется скорость вращения звезды с возрастом.
|
|
|
|
"Нашу методологию можно сравнить с попыткой угадать возраст человека", - говорит Спигл, который руководил проектом от начала до конца. "В астрономии мы не знаем возраст каждой звезды. Мы знаем, что группы звезд имеют одинаковый возраст, так что это все равно, что получить кучу фотографий людей в возрасте пяти, 15, 30 и 50 лет, а затем попросить кого-нибудь дать вам новую фотографию и попросить вас угадать, сколько лет этому человеку. Это сложная проблема."
|
|
|
|
Результат? Компания ChronoFlow научилась оценивать возраст других звезд с поразительной точностью. Это связано с тем, что она моделирует, как скорость вращения звездных популяций, как ожидается, будет изменяться с течением времени.
|
|
|
|
Исследование может иметь важные последствия для многих аспектов астрономии. Знание возраста звезд необходимо не только для понимания того, как работают звезды, но и для моделирования того, как формируются и эволюционируют экзопланеты, а также для изучения истории эволюции нашего собственного Млечного Пути и других галактик.
|
|
|
|
Успех ChronoFlow также демонстрирует, как модели машинного обучения могут дать ценную информацию о других астрофизических проблемах.
|
|
|
|
Модель будет доступна широкой публике вместе с документацией и руководствами, которые помогут любому пользователю определить возраст звезд на основе наблюдений. Код можно найти на GitHub.
|
|
|
|
Источник
|
