一项全自动的过程，包括一个全新的AI工具，成功地发现、识别和分类了它的第一个超新星。

这项由西北大学领导的国际合作开发的新系统自动化了整个夜空中新超新星的搜索过程，有效地排除了人类的参与。这不仅极大地加速了分析和分类新超新星候选者的过程，也避免了人为的错误。

该团队本周向天文界通报了这一新工具——BTSbot(Bright Transient Survey Bot)的启动和成功。在过去的六年中，人类已经花费了总计2200小时来视觉检查和分类超新星候选者。随着这一新工具正式上线，研究人员可以将这宝贵的时间用于其他工作，加快发现的步伐。

“这是有史以来第一次，一系列的机器人和AI算法观察、识别，然后与另一个望远镜通信，最终确认了超新星的发现，”西北大学的Adam Miller说道。“这代表着一个重要的进步，随着模型的进一步改进，机器人可以分离出特定类型的恒星爆发。最终，排除人类的参与为研究团队提供了更多时间来分析他们的观测数据，并提出新的假设来解释我们观测到的宇宙爆炸的起源。”

“我们实现了世界上第一个完全自动的超新星发现、识别和分类，”西北大学的Nabeel Rehemtulla补充道。“这极大地简化了大型超新星研究，帮助我们更好地理解恒星的生命周期和超新星产生的元素，如碳、铁和金。”

Miller是西北大学温伯格艺术与科学学院的物理和天文学助理教授，也是多学科探索与研究天体物理中心(CIERA)的成员。Rehemtulla是Miller研究小组的天文学研究生。

省略中间环节

为了检测和分析超新星，人类目前与机器人系统密切合作。首先，机器人望远镜反复拍摄同一片夜空区域，寻找在以前的图像中不存在的新源。然后，当这些望远镜发现新的东西时，人类接手。

“自动化软件提供了一份候选爆炸列表给人类，他们花时间验证候选者并进行谱学观测，”Miller说道。“我们只能通过收集它的光谱来确定候选者是否真的是一个超新星——源的展开光，揭示爆炸中存在的元素。已经有机器人望远镜可以收集光谱，但这也经常是由人类操作带有光谱仪的望远镜来完成的。”

研究人员开发了BTSbot来消除这种人类中间环节。为了开发这一AI工具，Rehemtulla使用了来自近1.4百万历史图像的来自近1.6万源的数据来训练一个机器学习算法，包括已确认的超新星、暂时闪光的恒星、周期性变化的恒星和闪烁的星系。

“Zwicky瞬态设备(ZTF)一直在运行，过去六年中，我和其他人花了超过2000小时视觉检查候选者，并决定哪些要进行谱学观测，”加州理工学院(Caltech)的天文学家Christoffer Fremling说道，他开发了另一个名为SNIascore的AI工具，并为BTSbot的开发做出了贡献。“将BTSbot添加到我们的工作流程中将消除我们花时间检查这些候选者的需要。”

早期成功以及一波宽慰

为了测试BTSbot，研究人员寻找一个名为SN2023tyk的新发现的超新星候选者。ZTF是一个自动观测夜空以寻找超新星的机器人观测台，首次在10月3日发现了这一源。BTSbot在实时筛选ZTF的数据时于10月5日发现了SN2023tyk。

从那里，BTSbot自动从帕洛玛天文台(Palomar Observatory)请求了这个潜在超新星的光谱，另一台机器人望远镜(SED Machine)进行了深入观测，获得了源的光谱。然后，SED Machine将这个光谱发送给加州理工学院的SNIascore来确定超新星的类型：白矮星在双星系统中完全爆炸，或者是一颗巨大恒星的核心坍缩。

在确定候选者是Ia型超新星(一种白矮星在双星系统中爆发的恒星爆炸)后，自动系统于10月7日公开分享了这一发现。

在BTSbot运行的第几天，Rehemtulla感到一种紧张和兴奋的混合感。

“模拟的表现非常出色，但你永远也不知道它在真实世界中是如何的，直到你真正去尝试，”他说。“一旦来自SEDM的观测数据和自动分类来自SNIascore的结果传回来，我们感到了一股巨大的宽慰。美妙的是，一旦所有的东西都被打开并且正常工作，我们实际上什么都不需要做。我们晚上睡觉，早上起来，我们看到BTSbot和其他的AI坚定不移地完成他们的工作。”

该合作还包括来自加州理工学院、明尼苏达大学、英国利物浦约翰·穆尔斯大学和瑞典斯德哥尔摩大学的天文学家。

本文译自 phys.org，由 BALI 编辑发布。

PREV : Google AI新项目：改善交通信号灯的时机
NEXT : 什么是错觉？