Nuo XX amžiaus pradžios mokslininkams ir fizikams teko našta paaiškinti, kaip ir kodėl Visata plečiasi spartėjančiu greičiu. Manoma, kad ši energija ne tik atsakinga už kosminį pagreitį, bet ir sudaro 68,3% nematomos Visatos masės.
Panašiai kaip ir tamsiosios materijos, šios nematomos jėgos egzistavimas yra pagrįstas stebimais reiškiniais ir todėl, kad tai atsitinka su mūsų dabartiniais kosmologijos modeliais, o ne su tiesioginiais įrodymais. Vietoj to, mokslininkai turi remtis netiesioginiais stebėjimais, stebėdami, kaip greitai kosminiai objektai (konkrečiai Ia tipo supernovos) pasitraukia iš mūsų, plečiantis visatai.
Šis procesas mokslininkams, kaip ir tiems, kurie dirba „Dark Energy Survey“ (DES), bus labai nuobodus, jei tai nebūtų nauji algoritmai, kuriuos kartu sukūrė Lawrence'o Berkeley nacionalinės laboratorijos ir UC Berkeley tyrėjai.
„Mūsų algoritmas gali klasifikuoti supernovos kandidato aptikimą maždaug per 0,01 sekundės, o patyręs žmogaus skaitytuvas gali užtrukti kelias sekundes“, - sakė Danny Goldstein, UC Berkeley universiteto studentas, sukūręs kodą, kad automatizuotų supernovos atradimo procesą DES atvaizduose. .
Šiuo metu antrasis savo sezono metu DES fotografuoja naktinius pietų dangaus vaizdus su DECam - 570 megapikselių kamera, kuri yra įmontuota ant Victor M. Blanco teleskopo Cerro Tololo Interamerican Observatory (CTIO) Čilės Anduose. Kiekvieną vakarą fotoaparatas sukuria nuo 100 gigabaitų (GB) iki 1 terabaito (TB) vaizdo duomenų, kurie siunčiami Nacionaliniam superkompiuterių programų centrui (NCSA) ir DOE Fermilab Ilinojaus valstijoje pradiniam apdorojimui ir archyvavimui.
Objektų atpažinimo programos, sukurtos Nacionaliniame energetikos tyrimų mokslinio skaičiavimo centre (NERSC) ir įgyvendintos NCSA, vėliau sujungia vaizdus, ieškodamos galimų Ia tipo supernovų. Šie galingi sprogimai įvyksta dvejetainėse žvaigždžių sistemose, kur viena žvaigždė yra baltasis nykštukas, kuris kaupia medžiagą iš papildomos žvaigždės, kol pasiekia kritinę masę ir sprogsta Ia tipo supernovoje.
„Šie sprogimai yra įspūdingi, nes jie gali būti naudojami kaip kosminio atstumo rodikliai iki 3–10 procentų tikslumo“, - sako Goldsteinas.
Atstumas yra svarbus, nes kuo toliau daiktas yra erdvėje, tuo labiau jis atgal į laiką. Stebėdami Ia tipo supernovas įvairiais atstumais, tyrėjai gali išmatuoti kosminį plėtimąsi per visą Visatos istoriją. Tai leidžia jiems suvaržyti, kaip greitai visata plečiasi, ir galbūt netgi pateikia kitų įkalčių apie tamsiosios energijos prigimtį.
„Moksliškai tai išties jaudinantis laikas, nes kelios grupės visame pasaulyje bando tiksliai išmatuoti Ia tipo supernovas, kad suvaržytų ir suprastų tamsiąją energiją, skatinančią pagreitintą visatos plėtimąsi“, - sako Goldsteinas, kuris taip pat yra studentas. Berkeley Lab kompiuterinės kosmologijos centro (C3) tyrėjas.
DES pradeda Ia tipo sprogimų paieškas, atskleisdamas naktinio dangaus pokyčius. Būtent tada pasirodo vaizdų atimties vamzdynas, kurį sukūrė ir įgyvendino DES supernovos darbo grupės tyrėjai. Vamzdynas iš naujų vaizdų atima vaizdus, kuriuose yra žinomi kosminiai objektai. kurie eksponuojami naktį CTIO.
Kiekvieną naktį vamzdynas sukuria nuo 10 000 iki kelių šimtų tūkstančių kandidatų į supernovas, kuriuos reikia patvirtinti.
„Istoriškai apmokyti astronomai valandų valandas sėdėjo prie kompiuterio, žiūrėjo į šiuos taškus ir teikė nuomonę, ar jie turėjo supernovos savybes, ar juos sukėlė žalingi padariniai, kurie duomenyse užmaskuojami kaip supernovos. Šis procesas atrodo paprastas, kol suprasite, kad kandidatų, kuriuos reikia klasifikuoti kiekvieną naktį, yra nepaprastai daug ir tik vienas iš kelių šimtų yra tikra bet kokio tipo supernova “, - sako Goldsteinas. „Šis procesas yra labai varginantis ir reikalaujantis daug laiko. Tai taip pat daro didelį spaudimą supernovos darbo grupei greitai apdoroti ir nuskaityti duomenis, o tai yra sunkus darbas. “
Siekdamas supaprastinti kandidatų tikrinimo užduotį, Goldsteinas sukūrė kodą, kuris naudoja automatinio mokymosi metodą „Atsitiktinis miškas“, kad automatiškai ir realiuoju laiku patikrintų supernovų kandidatus. Taikant metodą naudojamas sprendimų medžių rinkinys, kad būtų automatiškai užduodami klausimai, į kuriuos astronomai paprastai atsižvelgia klasifikuodami supernovų kandidatus.
Proceso pabaigoje kiekvienam kandidato aptikimui suteikiamas balas, pagrįstas sprendimų medžių, kurie manė, kad jis turi supernovos aptikimo savybes, dalimi. Kuo arčiau klasifikavimo balas yra vienas, tuo stipresnis kandidatas. Goldsteinas pažymi, kad atliekant preliminarius bandymus klasifikavimo vamzdynas pasiekė 96 procentų bendrą tikslumą.
„Kai darote tik atimimą, gausite per daug„ klaidingų teigiamų rezultatų “- instrumentinių ar programinės įrangos artefaktų, kurie gali būti kaip potencialūs supernovų kandidatai -, kad žmonės galėtų juos atsijoti“, - sako Rollinas Thomas iš „Berkeley Lab“ C3, kuris buvo Goldsteino bendradarbis.
Jis pažymi, kad naudodamiesi klasifikatoriumi tyrėjai gali greitai ir tiksliai atskirti supernovos kandidatų artefaktus. „Tai reiškia, kad užuot turėję 20 mokslininkų iš„ supernovos “darbo grupės, kiekvieną naktį nuolat sijoja tūkstančius kandidatų, galite tiesiog paskirti vieną asmenį, kuris apžiūrėtų gal kelis šimtus stiprių kandidatų“, - sako Tomas. „Tai žymiai pagreitina mūsų darbo eigą ir leidžia realiuoju laiku nustatyti supernovas, o tai yra labai svarbu atliekant tolesnius stebėjimus“.
„Naudodami maždaug 60 branduolių superkompiuteryje, per maždaug 20 minučių galime klasifikuoti 200 000 aptikimų, įskaitant duomenų bazių sąveikos ir funkcijų išgavimo laiką.“ sako Goldsteinas.
Goldsteinas ir Thomas pažymi, kad kitas šio darbo žingsnis yra pridėti antrąjį mašininio mokymosi lygį prie dujotiekio, kad būtų pagerintas klasifikavimo tikslumas. Šiame papildomame sluoksnyje būtų atsižvelgiama į tai, kaip objektas buvo klasifikuojamas ankstesniuose stebėjimuose, nes tai nustato tikimybę, kad kandidatas yra „tikras“. Tyrėjai ir jų kolegos šiuo metu dirba skirtingais būdais, kaip pasiekti šią galimybę.
