Um novo trabalho analisa o uso do aprendizado de máquina para decifrar os estágios iniciais das explosões de supernovas, reconstruindo a luz emitida durante a explosão. A pesquisa foi apresentada hoje no Encontro Nacional de Astronomia de 2022 por Eleonora Parrag, Ph.D. estudante da Universidade de Cardiff.
As estrelas moribundas mais massivas podem produzir alguns dos fogos de artifício mais brilhantes da natureza:explosões de supernovas. Eles podem ser usados ​​para sondar distâncias no espaço e responder perguntas sobre nosso universo, além de produzir muito do material que compõe o mundo ao nosso redor.

A física que governa uma supernova muda nas centenas de dias após sua explosão; instantâneos dessa física podem ser capturados em termos do espectro de uma supernova – onde a luz é dispersa por comprimento de onda da maneira como vemos as cores em um arco-íris. Os espectros contêm assinaturas dos elementos na explosão e podem revelar as condições envolvidas. No entanto, este é um recurso limitado. Mais espectros forneceriam informações importantes sobre a física em constante evolução em torno das supernovas e uma maior capacidade de comparar e estudar suas populações ao longo do tempo cósmico até o início do universo.

O trabalho de Parrag procura preencher essas informações ausentes com aprendizado de máquina, algoritmos que aprendem sendo "treinados" em observações existentes de centenas de supernovas. Eles podem construir espectros artificiais inteiros com base em apenas alguns pontos de dados que são facilmente medidos a partir de supernovas observadas anteriormente. Preencher as lacunas para esses pontos de dados existentes permite que um espectro seja construído para qualquer explosão anterior até cerca de 200 dias após a explosão.

A equipe descobriu que seus espectros artificiais reproduzem muitas das características vistas em explosões reais de supernovas.

A líder do projeto, Eleonora Parrag, diz que “o aprendizado de máquina pode nos ajudar a encontrar padrões e potencialmente até novas ideias em física nas enormes quantidades de dados de supernovas que podemos observar agora e no futuro próximo”. Ela acrescenta que "é um caminho realmente promissor para explorar na astrofísica agora e estou muito animada com o que podemos descobrir sobre supernovas no futuro".

Trabalhos futuros nesta área procurarão aplicar este algoritmo a todos os tipos de supernovas, bem como melhorar o algoritmo e aumentar o número e a variedade de supernovas usadas no treinamento. + Explorar mais

A estrela que sobreviveu a uma supernova