一个由 SNAD 研究人员组成的国际团队发现了 11 个以前未知的宇宙异常，其中 7 个是超新星候选者。 研究人员分析了 2018 年拍摄的北方天空的数字图像，以使用“最近邻”方法检测异常。 机器学习算法帮助实现搜索自动化。
随着大规模天文测量的出现，数据量急剧增加。 例如，Zwicky Transient Facility (ZTF) 使用相机测量北方天空，每个观测夜生成约 1,4 TB 的数据，其目录包含数十亿个物体。 人工处理如此庞大的数据量非常耗时，因此来自法国、美国和其他国家的 SNAD 研究人员团队联手开发了一种自动化解决方案。
在这项研究中，科学家们研究了 2018 年 ZTF 目录中的一百万条真实光变曲线和针对所研究物体类型的七个实时光变曲线模型。 他们总共监测了大约 40 个参数，包括物体的亮度幅度和时间间隔。
“我们使用一组预期在真实天体中观察到的特征来描述我们模拟的特性。 在大约一百万个物体的数据集中，我们搜索了超新星、Ia 型超新星、II 型超新星和潮汐坍塌事件，”伊利诺伊大学香槟分校的博士后 Kostyantyn Malanchev 解释道。
接下来，使用kd-tree算法将真实物体的亮度曲线数据与模拟数据进行比较。 随后，该团队为总共 15 场比赛的每次模拟确定了 105 个最近的邻居，即来自 ZTF 数据库的真实物体，研究人员目视检查了这些比赛是否存在异常。 人工检查确认了 11 个异常，其中 7 个是超新星候选，4 个是可能发生潮汐瓦解事件的活动星系核候选。
本研究表明该方法非常有效且易于使用。 所提出的检测某一类型宇宙现象的算法具有普适性，可用于检测任何有趣的天体，不限于稀有类型的超新星。
你可以帮助乌克兰对抗俄罗斯侵略者。 最好的方法是通过以下方式向乌克兰武装部队捐款 拯救生命 或通过官方页面 NBU.
另请阅读：