Исследователи Оксфордского университета разработали инструмент на базе искусственного интеллекта, который снижает рабочую нагрузку астрономов на 85 процентов при поиске сверхновых

Исследователи Оксфордского университета разработали инструмент на базе искусственного интеллекта, который снижает рабочую нагрузку астрономов на 85 процентов при поиске сверхновых — мощных взрывов, отмечающих смерть массивных звезд. Виртуальный исследовательский ассистент (VRA) успешно фильтрует тысячи данных и сигналов, чтобы выявить настоящие события, освобождая ученых для исследований более высокого уровня.

Прорыв, опубликованный сегодня в журнале The Astrophysical Journal, устраняет критическое «узкое место» в современной астрономии. Доктор Элоиза Стеванс из физического факультета Оксфордского университета возглавила это исследование, показав, что искусственному интеллекту потребовалось всего 15 000 обучающих примеров, и он может работать на обычном ноутбуке.

Борьба с потоком данных

Проблема возникает из-за системы Asteroid Terrestrial Impact Last Alert System (ATLAS), финансируемой NASA сети из пяти телескопов, которые сканируют всё видимое небо каждые 24–48 часов. Хотя изначально ATLAS была разработана для обнаружения астероидов, Оксфорд использует данные ATLAS для поиска внегалактических взрывов. Система еженощно генерирует миллионы потенциальных оповещений, в большинстве своём представляющих собой шум, вызванный ошибками инструментов или известными объектами.

Даже после стандартной фильтрации исследователи обычно сталкиваются с 200–400 кандидатами сигналов в день, требующими ручной проверки. По данным Phys.org, такая ручная проверка занимала несколько часов ежедневно до внедрения VRA. Лишь немногие из этих сигналов оказываются действительно интересными явлениями, такими как сверхновые или внегалактические транзиенты.

«Удивительно, как мало данных для этого понадобилось», — объяснила Стеванс нескольким новостным изданиям. «Это показывает, что с экспертным руководством ИИ может преобразить астрономические открытия, не требуя огромных наборов данных или вычислительных мощностей».

Линейный подход к искусственному интеллекту

В отличие от ресурсоемких методов глубокого обучения, требующих суперкомпьютеров, VRA использует алгоритмы на основе решающих деревьев, которые анализируют шаблоны в выбранных характеристиках данных. Такой подход позволяет ученым напрямую вносить свой опыт в модель, направляя алгоритмы на ключевые признаки, указывающие на реальные астрофизические события.

Система непрерывно обновляет свои оценки по мере того, как телескопы вновь исследуют участки неба, автоматически перерассчитывая баллы сигналов в течение нескольких ночей. Только наиболее перспективные кандидаты передаются астрономам для окончательной проверки.

В свой первый год работы VRA отфильтровала более 30 000 оповещений, при этом пропустила менее 0,08 процента реальных сигналов сверхновых. Система сохраняла более 99,9 процента реальных кандидатов в сверхновые, одновременно снижая рабочую нагрузку на 85 процентов.

Автоматическое последующее действие

С декабря 2024 года VRA подключён к телескопу Lesedi в Южной Африке, что позволяет автоматически проводить последующие наблюдения за многообещающими сигналами ещё до того, как их оценят специалисты. По данным EurekAlert, эта интеграция уже подтвердила новые открытия сверхновых.

Профессор Стивен Смаррт, соавтор исследования, подчеркнул более широкие возможности инструмента, выходящие за рамки выявления сверхновых. «Мы также сможем более эффективно сопоставлять оптические источники с эмиссиями в гамма-, рентгеновском и радиодиапазонах, а возможно, и с гравитационными волнами», — сообщил он университетским СМИ.

Будущие последствия

Разработка VRA происходит накануне запуска Обзора космоса и времени (LSST) Обсерватории Веры Рубин, который должен начать работу в начале 2026 года. Это передовое научное сооружение будет в течение десятилетия каждые несколько дней наблюдать небо южного полушария, генерируя более 500 петабайт данных и, возможно, до 10 миллионов оповещений каждую ночь.

Стиванс в настоящее время разрабатывает виртуальных научных ассистентов для центров обработки данных LSST в Великобритании и Европе, с амбициями создать предиктивные системы, способные предугадывать, когда и где взорвутся сверхновые. «В астрономии новые знания извлекаются из данных, и LSST будет настоящей революцией: только за первый год будет собрано больше данных, чем за все предыдущие обзоры вместе взятые», — отметила она.

Исследование было профинансировано стипендиальной программой Эрика и Венди Шмидт в области искусственного интеллекта и науки для постдокторантов.