人工智能检测确认 分类和分享第一颗超新星

该新系统由西北大学领导的国际合作开发，可自动执行整个夜空中寻找新超新星的过程，有效地将人类从这一过程中剔除。这不仅快速加速了新超新星候选者的分析和分类过程，而且还绕过了人为错误。

该 团队本周向天文学界通报了名为“明亮瞬态测量机器人”(BTSbot)的新工具的推出和成功。在过去的六年里，人类估计花费了 2,200 个小时对候选超新星进行目视检查和分类。

随着新工具现已正式上线，研究人员可以将宝贵的时间转移到其他职责上，以加快发现的步伐。

“有史以来第一次，一系列机器人和人工智能算法进行了观察、识别，然后与另一台望远镜进行通信，最终确认了超新星的发现，”领导这项工作的西北大学的亚当·米勒(Adam Miller)说。

“这代表着向前迈出的重要一步，因为模型的进一步完善将使机器人能够隔离恒星爆炸的特定子类型。最终，将人类从循环中移除可以让研究团队分析他们的观察结果并提出新的假设来解释我们观察到的宇宙爆炸的起源。”

freestar

“我们实现了世界上首次对超新星的全自动检测、识别和分类，” 与米勒共同领导技术开发的西北大学纳比尔·雷赫姆图拉 ( Nabeel Rehemtulla)补充道。“这极大地简化了对超新星的大规模研究，帮助我们更好地了解恒星的生命周期以及超新星产生的元素(如碳、铁和金)的起源。”

米勒是西北大学温伯格艺术与科学学院的物理学和天文学助理教授 ，也是天体物理学跨学科探索与研究中心 (CIERA) 的成员 。雷赫姆图拉是米勒研究小组的天文学研究生。

省去中间商

为了探测和分析超新星，人类目前与机器人系统携手合作。首先，机器人望远镜重复对夜空的相同部分进行成像，寻找以前图像中不存在的新来源。然后，当这些望远镜探测到新的东西时，人类就会接管。

“自动化软件向人类提供候选爆炸列表，人类花时间验证候选者并执行光谱观察，”米勒说。

freestar

“我们只能通过收集其光谱——光源的散射光，揭示爆炸中存在的元素，才能明确地知道候选者是否真的是超新星。现有的机器人望远镜可以收集光谱，但这也通常是由人类使用光谱仪操作望远镜来完成的。”

研究人员开发了 BTSbot 来消除这个人类中间人。为了开发人工智能工具，Rehemtulla 使用来自近 16,000 个来源的超过 140 万张历史图像来训练机器学习算法，其中包括已确认的超新星、暂时耀斑恒星、周期性变星和耀斑星系。

天文学家 Christoffer Fremling 表示：“兹威基瞬变设施 (ZTF) 已运行了六年，在此期间，我和其他人花费了 2,000 多个小时目视检查候选者，并确定用光谱仪观察哪些候选者。”他在加州理工学院 (Caltech) 工作，开发了另一种名为 SNIascore 的人工智能工具，并为 BTSbot 的开发做出了贡献。

“将 BTSbot 添加到我们的工作流程中将使我们无需花时间检查这些候选人。”

freestar

早期的成功——以及一波解脱

为了测试 BTSbot，研究人员寻找了一颗新发现的超新星候选者，称为 SN2023tyk。ZTF 是一个机器人天文台，负责对夜空进行成像以寻找超新星，它于 10 月 3 日首次检测到了该源。通过实时筛选 ZTF 的数据，BTSbot 于 10 月 5 日发现了 SN2023tyk。

从那里，BTSbot 自动向帕洛玛天文台请求潜在超新星的光谱，其中另一台机器人望远镜 (SED Machine) 进行深入观测以获得源光谱。然后，SED Machine 将此光谱发送给加州理工学院的 SNIascore ，以确定超新星的类型：要么是白矮星的热核爆炸，要么是大质量恒星核心的塌缩。

在确定候选者是 Ia 型超新星(双星系统中的白矮星完全爆炸的恒星爆炸)后，自动化系统于 10 月 7 日向天文学界公开分享了这一发现。

在运行 BTSbot 的第一天，Rehemtulla 既紧张又兴奋。

“模拟性能非常出色，但在实际尝试之前，你永远不会真正知道它如何转化为现实世界，”他说。

“当 SEDM 的观察结果和 SNIascore 的自动分类结果出来后，我们感到如释重负。它的美妙之处在于，一旦一切都打开并正常工作，我们实际上不需要做任何事情。我们晚上睡觉，早上，我们看到 BTSbot 和其他人工智能坚定不移地完成自己的工作。”