加州理工学院的天文学家已经使用一种机器学习算法对1000颗超新星进行了完全自主的分类，该算法被应用于Zwicky瞬变装置( Zwicky Transient Facility，ZTF)捕捉到的数据，ZTF是加州理工学院帕洛玛天文台的一种巡天仪器。

“我们需要帮助，而且我们知道，一旦我们训练了计算机来完成这项工作，它们就会减轻我们的负担，”加州理工学院的天文学家克里斯Christoffer Fremling说，他是新算法的幕后策划者，被称为SNIAscore。“SNIascore在2021年4月分类了它的第一颗超新星，一年半后，我们迎来了1000颗超新星的里程碑。”

ZTF每天晚上都会扫描夜空，寻找被称为瞬变事件。这包括从移动的小行星到刚刚吞噬恒星的黑洞，再到被称为超新星的爆炸恒星。ZTF每晚向世界各地的天文学家发出数十万次警报，通知他们这些瞬变事件。然后，天文学家使用其他望远镜进行跟踪，并调查变化物体的本质。到目前为止，ZTF的数据已经发现了数千颗超新星。

但是，由于每天晚上都有大量的数据涌入，ZTF团队的成员无法独自对所有数据进行排序。

ZTF的项目科学家、加州理工学院天文学研究教授Matthew Graham说：“天文学家坐在天文台前筛选望远镜图像的传统观念带有很多浪漫主义色彩，但正远离现实。”

相反，该团队开发了机器学习算法来帮助搜索。他们开发了SNIascore来对候选超新星进行分类。超新星分为两大类：I型超新星不含氢，而II型超新星富含氢。最常见的I型超新星发生在大质量恒星从邻近恒星上窃取物质时，这引发了热核爆炸。当大质量恒星在自身引力作用下坍缩时，就会出现II型超新星。

目前，SNIascore可以对所谓的Ia型超新星进行分类，也就是天空中的“标准蜡烛”。这些是濒死的恒星，它们会发出持续强度的热核爆炸。Ia型超新星使天文学家能够测量宇宙的膨胀率。Fremling和他的同事们目前正在努力扩展该算法的功能，以便在不久的将来对其他类型的超新星进行分类。

每天晚上，在ZTF捕捉到天空中可能是超新星的闪光后，它将数据发送到位于帕洛马的一个名为SEDM(光谱能量分配机)的光谱仪上，该光谱仪位于几百米外的一个圆顶中。SNIascore与SEDM一起工作，然后对哪些超新星可能是Ia型超新星进行分类。结果是，ZTF团队正在迅速建立一个更可靠的超新星数据集，以供天文学家进一步研究，并最终了解强大的恒星爆炸的物理学。

SNIascore非常准确。在1000个超新星之后，我们已经看到了算法在现实世界中的表现，”Fremling说。“自2021年4月发射以来，我们没有发现明显的错误分类事件，现在我们计划在其他观测设施上实施相同的算法。”

ZTF机器学习活动的负责人、加州理工学院数据驱动发现中心的首席计算和数据科学家Ashish Mahabal补充说：“这项工作很好地展示了机器学习应用在近实时天文学中的成熟程度。”

原文链接：https://phys.org/news/2022-11-machine-tools-autonomously-supernovae.html

---煤油灯科技victorlamp.com翻译整理---