Novi alat s umjetnom inteligencijom znatno je smanjio opterećenje astronoma u potrazi za supernovama. Nakon automatske obrade tisuća noćnih uzbuna, ljudskoj provjeri dolazi samo manji broj najizglednijih kandidata, a pritom se zadržava više od 99,9 posto stvarnih signala.
Supernova je kratkotrajan, vrlo sjajan završetak života masivne zvijezde. Takvi događaji ključni su za razumijevanje nastanka kemijskih elemenata. Budući da se pojavljuju iznenada i brzo slabe, potrebno ih je otkriti i potvrditi u kratkom vremenu.
Tim sa Sveučilišta u Oxfordu i Sveučilišta Queen’s u Belfastu koristi sustav Asteroid Terrestrial Impact Last Alert System (ATLAS), izvorno razvijen kao sustav ranog upozoravanja na udare asteroida. ATLAS teleskopima raspoređenima diljem svijeta pregledava cijelo vidljivo nebo svakih 24 do 48 sati. Projekt vodi Sveučilište Havaja, a u Oxfordu se obrađuju podaci s ciljem pronalaska brzih, ekstragalaktičkih eksplozija. Svake noći nastaju milijuni potencijalnih uzbuna, većinom uzrokovanih instrumentalnim pogreškama ili poznatim objektima.
Unatoč standardnim filtrima i automatiziranoj analizi slika, svakodnevno je ostajalo 200 do 400 kandidata koje je trebalo ručno provjeriti. Tek je mali dio tih kandidata bio znanstveno relevantan, primjerice supernove ili drugi ekstragalaktički tranzijenti, uključujući optičke pratnje izbojima gama-zraka.
Kako radi Virtual Research Assistant
Vodeća autorica dr. Héloïse Stevance (Odjel za fiziku, Sveučilište u Oxfordu) navodi da je za obuku bilo dovoljno oko 15 tisuća primjera i računalna snaga njezina prijenosnika. Uz stručno vođenje, kaže, umjetna inteligencija može preuzeti rutinske zadatke i automatizirati posao koji je istraživačima prije oduzimao sate, bez potrebe za golemim skupovima podataka ili superračunalima.
Novi alat, Virtual Research Assistant (VRA), skup je automatiziranih sustava koji rangiraju uzbune prema vjerojatnosti da se radi o stvarnim, ekstragalaktičkim eksplozijama. Za razliku od mnogih sustava umjetne inteligencije koji traže velike skupove podataka i snažnu infrastrukturu, VRA se oslanja na kompaktnije modele temeljene na stablima odluke. Takvi algoritmi traže obrasce u ciljano odabranim značajkama i omogućuju da se stručna znanja izravno ugrade u kriterije odlučivanja.
Ključno je da VRA ažurira procjenu svaki put kada se isto područje neba ponovo snimi. Kandidati se više noći automatski provjeravaju i ponovno boduju, a astronomima prosljeđuju se samo najperspektivniji slučajevi.
U prvoj godini rada VRA je obradio više od 30 tisuća uzbuna i propustio manje od 0,08 posto stvarnih signala povezanih sa supernovama. Broj zapisa koje je trebalo ručno pregledati smanjen je za oko 85 posto, a pritom je zadržano više od 99,9 posto autentičnih kandidata.
Dr. Héloïse Stevance ističe da alat preuzima rutinske zadatke i time oslobađa istraživačima vrijeme za analizu i postavljanje istraživačkih pitanja, bez potrebe za golemim skupovima podataka ili snažnim računalima.
Od prosinca 2024. VRA je povezan s južnoafričkim teleskopom Lesedi. Alat može samostalno pokrenuti naknadna opažanja za najizglednije kandidate i prije nego što čovjek pregleda podatke. Ta mogućnost već je dovela do potvrde novih supernova.
Suautor prof. Stephen Smartt (Odjel za fiziku, Sveučilište u Oxfordu) ističe da brzina i točnost sustava znatno povećavaju sposobnost tima da pronađe i prouči rijetke pojave u udaljenim galaksijama. Dodaje da alat olakšava povezivanje optičkih izvora s emisijama u gama, rendgenskom i radijskom području te, po potrebi, s gravitacijskim valovima.
Priprema za LSST i skok u količini podataka
Ovo postignuće dolazi u pravom trenutku, uoči početka programa Legacy Survey of Space and Time (LSST) na Opservatoriju Vera Rubin početkom 2026. LSST je zamišljen kao desetogodišnji sustavni pregled neba južne polutke, pri čemu će se ista područja snimati u razmacima od nekoliko dana. U tom razdoblju prikupit će se više od 500 petabajta slika i podataka.
Dr. Héloïse Stevance navodi da će alati poput VRA-a biti ključni za pravodobno izdvajanje najvrjednijih ciljeva te za bolje razumijevanje uloge masivnih zvijezda i supernova u stvaranju kemijskih elemenata. Trenutačno razvija Virtual Research Assistants za brokerske sustave Lasair i Fink u Ujedinjenom Kraljevstvu i Europi, s ciljem da se LSST-ovi tokovi podataka iskoriste za proaktivnu potragu za supernovama, uključujući predviđanje vremena i mjesta eksplozije. Prema njezinoj ocjeni, LSST će već u prvoj godini prikupiti više podataka nego svi dosadašnji pregledi zajedno, pa su ovakvi automatizirani, strukom vođeni alati nužni za brzu i točnu znanstvenu analizu.
Ivan je novinar i autor koji piše o znanosti, svemiru i povijesti. Gostuje kao stručni sugovornik na Science Discovery i History Channelu te piše za Večernji list. Osnivač je Kozmos.hr, prvog hrvatskog portala posvećenog popularizaciji znanosti.
