Želja po prepoznavanju binarnih sistemov zvezd je razlog za številne študije in tisoče katalogiziranih sistemov. Pred kratkim je kataloge s približno 800 tisoč označenimi binarnimi sistemi dopolnil tretji objavljen nabor podatkov misije ESA Gaia, Gaia data release 3 (Gaia DR3). Ogromni številki prepoznanih sistemov navkljub, pa to predstavlja le okrog 0.1% števila vseh zvezd v katalogu Gaia. Ocena, da je približno 50 % vseh zvezd dejansko del sistemov z več zvezdami, nakazuje, da je treba odkriti še veliko več več-zvezdnih sistemov.
Identifikacija dvojnih zvezdnih sistemov s pomočjo fotometrije
Ta projekt je raziskovalna študija, katere cilj je izboljšati in poceniti prepoznavanje binarnih sistemov zvezd. Njegov namen je zaznati dvozvezdja z uporabo enkratnih fotometričnih meritev z natančnostjo, ki naj bi bila zadostna za ločevanje med samostojnimi zvezdami in binarnimi sistemi. Temelji na zamisli, da ima barvni spekter binarnega sistema edinstveno obliko, ki je ni mogoče zamenjati za barvni spekter samostojne zvezde. To se lahko zgodi na primer zaradi temperaturne razlike med zvezdama v sistemu. Sevanje posamezne zvezde je namreč odvisno od njene temperature, ki določa pri kateri frekvenci zvezda izseva največ svetlobe in posledično kakšne barve zvezdo vidimo. Spekter binarnega sistema z zvezdama različnih temperatur bo imel torej dva vrhova, kar bomo lahko prepoznali.
Razlikovanje med zvezdnimi sistemi na tej podlagi omogoča odkrivanje sicer skritih dvojnih zvezd in uporabo novih metod z uporabo cenejših in takoj dostopnih fotometričnih opazovanj.
Razvoj umetne inteligence (UI) je omogočil uporabo tehnik strojnega učenja (ML) na številnih področjih astrofizike. Utrl je pot hitrejšim in natančnejšim tehnikam zaznavanja v spektroskopiji. V tem projektu bomo uporabili izmerjene barvne spektre zvezd, izpeljane iz enkratnih fotometričnih meritev, ter 3D zemljevide ekstinkcije v vseh smereh neba, skupaj z meritvami paralakse (oddaljenosti od Zemlje), za učenje modelov strojnega učenja za napovedovanje verjetnosti, da je vir bodisi posamezna zvezda bodisi binarni sistem zvezd.
Rezultati
Naš nabor podatkov vsebuje fotometrične meritve 10.5 milijonov zvezd, od česar so jih druge, ne-fotometrične raziskave, kot so Gaia, Galah, Gaia-ESO in Apogee, 0,5% prepoznale kot binarne sisteme. Preizkusili smo več vrst modelov, kot so ansambel odločitvenih dreves (ang.: gradient boosted decision trees), naključni gozdovi in nevronske mreže, ter dodatek sintetičnih podatkov v učni nabor podatkov. Uspešnost naših modelov smo primerjali na podmnožici izmerjenih podatkov. Najuspešnejši so bili seveda modeli, naučeni na preostalem delu izmerjenih podatkov, saj so bili podatki za učenje in vrednotenje vzeti iz iste porazdelitve. Med učenjem se razlika med binarnimi zvezdnimi sistemi in posameznimi zvezdami prenese v parametre modelov, kar jim omogoča, da raziskovalcem ponudijo predloge zaenkrat še neprepoznanih binarnih sistemov.
Rezultati seveda niso popolni. Nekatere binarni binarni sistemi so a priori neprepoznavni. Dvočleni sistemi z zelo podobnimi zvezdami ali sistemi, kjer je ena zvezda veliko svetlejša od druge, so neločljivi od posameznih zvezd. Zato lahko pričakujemo, da bomo prepoznali le binarne sisteme, ki se razlikujejo dovolj, vendar ne preveč. Tako ansambli odločitvenih dreves kot nevronske mreže so bili glede na množico metrik primerljivo natančni. Statistika napovedi je povzeta v spodnji tabeli.
| Resnica | binarni sistem | samostojna zvezda |
|---|---|---|
| binarni sistem | 0,10 % | 0,35 % |
| samostojna zvezda | 0,21 % | 99,34 % |
Približno 21 % binarnih sistemov je model identificiral pravilno, kar bi bilo mogoče nekoliko izboljšati z znižanjem praga verjetnosti za klasifikacijo zvezdnega sistema kot binarnega. Ker pa je skupni delež zvezd v binarnih sistemih v vesolju ocenjen na približno 50 % in ne 0,5 % kot v našem naboru podatkov, natančnost na teh 0,5 % ni najpomembnejša metrika in verjamemo, da bodo naši modeli služili kot dragoceno orodje za prepoznavanje potencialnih binarnih sistemov v nadaljnih študijah.
Partnerji
- Fakulteta za matematiko in fiziko, Univerza v Ljubljani
- Evropska vesoljska agencija (ESA)
Podobni projekti
- Photo2Chem - Zvezdna kemija na podlagi fotometričnega ozkopasovnega slikanja