SNAD 項目的國際團隊，包括高等經濟學院物理學院副教授 Matvey Kornilov，發現了 11 個異常現象，其中 7 個是超新星候選者。對2018年北方天空數字圖像進行研究，採用基於K維樹的最近鄰法進行搜索。機器學習方法使自動搜索異常成為可能。
人工智能發現了新的空間異常
該研究發表在《新天文學》雜誌上。大多數天文發現都是基於觀察和隨後的計算。早在 20 世紀，觀測的數量還很少，但隨着對天空的廣域天文調查的委託，接收到的數據量增加了很多倍。例如，Zwicky Transient Facility (ZTF) 是一項對北方天空的大範圍調查，每晚觀測產生大約 1.4 TB 的數據，其目錄包含數十億個物體。
手動處理如此大量的數據既困難又昂貴，因此彙集了來自俄羅斯、法國和美國的科學家的SNAD項目團隊解決了這一過程的自動化問題。為了更多地了解天文物體，科學家們分析了它們的光變曲線——物體亮度對時間的依賴性。
首先，在天空中記錄一次閃光，然後記錄其亮度如何演變：變亮、變弱或完全熄滅。在這項研究中，科學家們從 Zwicky Transient Facility 2018 目錄中獲取了 100 萬個真實物體的光變曲線，並編製了所研究類型物體的 7 個模擬光變曲線。總共考慮了大約 40 個屬性，例如物體亮度和周期性的幅度。
「我們用一組我們期望在真實天體中看到的特徵描述了模擬的屬性。在一百萬個物體中，我們搜索了超強超新星、Ia 型超新星、II 型超新星和潮汐破裂事件，」該文章的作者之一、伊利諾伊大學厄巴納-香檳分校的博士後 Konstantin Malanchev 解釋說。— 我們稱之為異常的此類對象。它們非常稀有，對其特性的研究也很少，或者它們是需要進行更詳細研究的有趣對象。」
然後，將真實物體的光變曲線數據與使用 K-tree 方法的模擬進行比較。K 維樹是一種特殊的幾何數據結構，它允許您通過用超平面、平面、線或點將空間切割成更小的部分。拆分用於縮小 K 維空間中的搜索範圍，他們正在尋找具有與七個模擬中描述的屬性儘可能相似的對象。
結果，對於七個模擬中的每一個，都是從 ZTF 數據庫中找到了 15 個最相似的現實生活對象。總共有 105 個對象。他們的研究人員手動分析並檢查了它們是否異常。經過人工驗證，確認了11個異常，其中7個是超新星候選者，另外4個是活動星系核，其中可能發生潮汐破裂事件。
「這是一個非常好的結果，」文章的作者之一、PK Sternberg 州立天文研究所的研究員 Maria Pruzhinskaya 評論道。「此外，我們不僅成功地發現了已經發現的稀有物體，而且還發現了一些被天文界遺漏的新物體。這意味着可以調試現有的搜索算法，以便不再錯過此類對象。」
研究表明，這種方法確實有效，而且實施起來非常簡單。所提出的搜索特定類型天體的方法具有普遍性，不僅可以用來發現稀有類型的超新星，還可以用來發現其他有趣的天文物體。
「科學家以前沒有發現的天文或天體物理現象也是異常現象，」高等經濟學院物理學院副教授Matvey Kornilov解釋說。- 此類對象的觀察表現應不同於已知對象的屬性。未來，我們計劃使用我們的方法來發現新的對象類別。」
