DINGO-BNS – algorytm analizujący fale grawitacyjne pochodzące z fuzji gwiazd neutronowych
Naukowcy opracowali sieć neuronową, którą nazwali DINGO-BNS, aby pomogła w analizie fal grawitacyjnych emitowanych przez łączące się pary gwiazd neutronowych.
Fuzje gwiazd neutronowych mają miejsce miliony lat świetlnych od Ziemi. Interpretacja wytwarzanych przez nie fal grawitacyjnych stanowi poważne wyzwanie dla tradycyjnych metod analizy danych. Są to ogromne zbiory informacji, a ich rozszyfrowanie czasochłonne i kosztowne obliczeniowo.
Aby temu zaradzić, astronomowie z Max Planck Institute for Gravitational Physics, opracowali algorytm uczenia maszynowego o nazwie DINGO-BNS (Deep INference for Gravitational-wave Observations from Binary Neutron Stars), aby zaoszczędzić cenny czas w interpretacji fal grawitacyjnych emitowanych przez łączące się gwiazdy neutronowe.
Badacze wyszkolili sieć neuronową, aby móc scharakteryzować łączące się układy gwiazd neutronowych w około sekundę, w porównaniu do około godziny w przypadku najszybszych tradycyjnych metod. Wyniki badania zostały opublikowane w czasopiśmie Nature.
Fuzje gwiazd neutronowych emitują światło widzialne (w następstwie eksplozji kilonowej) i inne promieniowanie elektromagnetyczne oprócz fal grawitacyjnych. A czas, w wychwyceniu śladów tych niezwykłych zdarzeń, odgrywa ważną rolę.
„Szybka i dokładna analiza danych dotyczących fal grawitacyjnych ma kluczowe znaczenie dla zlokalizowania źródła i skierowania teleskopów we właściwym kierunku tak szybko, jak to możliwe, aby zaobserwować wszystkie towarzyszące temu wydarzeniu sygnały” – mówi Maximilian Dax z Max Planck Institute for Intelligent Systems (MPI-IS).
Nowa metoda wykorzystująca DINGO-BNS może niezwykle usprawnić czas analizy danych dotyczących łączenia się gwiazd neutronowych, astronomom więcej czasu na skierowanie teleskopów w kierunku łączących się gwiazd neutronowych, gdy tylko zostaną one zidentyfikowane przez duże detektory LIGO-Virgo-KAGRA (LVK).
„Obecne algorytmy szybkiej analizy używane przez LVK dokonują przybliżeń, ale przez to tracą dokładność. Nasze nowe badanie ma poprawić te niedociągnięcia” – twierdzi Jonathan Gair z Max Planck Institute for Gravitational Physics.
Opracowany algorytm DINGO-BNS potrafi w pełni scharakteryzować fuzje gwiazd neutronowych (np. ich masy, spiny i lokalizacje) w ciągu zaledwie jednej sekundy bez uśredniania wyników. Pozwoli to badaczom, między innymi na szybkie i o 30 proc. dokładniejsze określanie pozycji tych wydarzeń na niebie. Ponieważ działa tak szybko i dokładnie, sieć neuronowa może dostarczyć kluczowych informacji do wspólnych obserwacji przez detektory fal grawitacyjnych i inne teleskopy.
Może pomóc w poszukiwaniu światła i innych sygnałów elektromagnetycznych wytwarzanych przez łączenie się tych obiektów i usprawnić obserwacje za pomocą klasycznych teleskopów.
„Dzięki szybkiemu wykryciu przez DINGO-BNS, takie wczesne obserwacje przy użyciu wielu urządzeń mogą zapewnić nowy wgląd w proces łączenia się gwiazd i następującą po nim kilonową, które wciąż pozostają tajemnicą” – podsumowuje Alessandra Buonanno z Max Planck Institute for Gravitational Physics.
Emil Gołoś
