Nötron yıldızları: Makine öğrenimi kütle çekim dalgalarının analizinde nasıl yardımcı olabilir?

Makine öğrenimi kütle çekim dalgalarının analizinde nasıl yardımcı olabilir?

İki nötron yıldızının birleşmesini gözlemlemek, gökbilimcilerin istek listelerinin başında gelir, çünkü bu, aşırı koşullar altında kütle çekimini ve maddeyi incelemek için eşsiz bir fırsat sunar. Ancak bu, hızlı veri analizi gerektirir. Bir araştırma ekibi, makine öğreniminin bu konuda nasıl yardımcı olabileceğini gösterdi.

Birleşen iki nötron yıldızının ve ürettikleri kütleçekim dalgalarının sanatçı tasviri. [ Daha büyük resmi görüntüle]

İkili nötron yıldızı birleşmeleri, Dünya'dan milyonlarca ışık yılı uzaklıkta meydana gelir. Ürettikleri kütle çekim dalgalarını anlamak, geleneksel veri analiz yöntemleri için büyük bir zorluk teşkil eder. Mevcut dedektörlerle bu sinyaller birkaç dakikalık veriden oluşurken, gelecekteki gözlemevleri için bu veri saatler hatta günler sürebilir. Bu kadar kapsamlı veri kümelerini analiz etmek, hesaplama açısından yoğun ve zaman alıcıdır. Uluslararası bir bilim insanları ekibi, DINGO-BNS (İkili Nötron Yıldızlarından Kütle Çekim Dalgası Gözlemleri için Derin Çıkarım) adlı bir makine öğrenmesi algoritması geliştirdi. Bu algoritma, iki nötron yıldızının birleşmesi sırasında oluşan kütle çekim dalgalarının yorumlanmasında değerli zaman tasarrufu sağlar. Araştırmacılar, birleşen nötron yıldızı sistemlerini yaklaşık bir saniyede tam olarak karakterize edecek bir sinir ağı eğitti. En hızlı geleneksel yöntemler yaklaşık bir saat sürer.

Nötron yıldızları, birleştiklerinde kütleçekim dalgalarına ek olarak görünür ışık (sonraki kilonova patlaması sırasında) ve diğer elektromanyetik radyasyonlar da yayarlar. Max Planck Akıllı Sistemler Enstitüsü (MPI-IS) Deneysel Çıkarım bölümünde doktora adayı olan Maximilian Dax, "Kütleçekim dalgası verilerinin hızlı ve doğru bir şekilde analiz edilmesi, kaynağın yerini belirlemek ve tüm ilişkili sinyalleri gözlemlemek için teleskopları mümkün olan en kısa sürede hizalamak için çok önemlidir," diyor. Bu gerçek zamanlı yöntem, nötron yıldızı birleşme verilerinin analizi için yeni bir standart oluşturabilir ve LIGO-Virgo-KAGRA (LVK) işbirliğinin büyük dedektörleri bu sinyalleri tespit ettiğinde gökbilimcilere teleskoplarını birleşen nötron yıldızlarına doğrultmaları için daha fazla zaman tanıyabilir.

Potsdam Bilim Parkı'ndaki Max Planck Yerçekimi Fiziği Enstitüsü'nün Astrofizik ve Kozmolojik Görelilik bölümünde grup lideri olan Jonathan Gair, "LVK iş birliği tarafından şu anda kullanılan gerçek zamanlı analiz algoritmaları, doğruluğu tehlikeye atan yaklaşımlar kullanıyor. Yeni çalışmamız bu zayıflıkları ele alıyor," diyor. Bu tür yaklaşımlar olmadan, makine öğrenmesi yöntemi nötron yıldızı birleşmelerini (örneğin kütlelerini, dönüşlerini ve konumlarını) yalnızca bir saniyede tam olarak karakterize ediyor. Bu, diğer şeylerin yanı sıra, gökyüzündeki konumlarının yüzde 30 daha doğru bir şekilde belirlenmesini sağlıyor. Sinir ağı çok hızlı ve doğru çalıştığı için, yerçekimi dalgası dedektörleri ve diğer teleskoplar tarafından yapılacak ortak gözlemler için kritik bilgiler sağlayabilir. Ayrıca, birleşme sırasında üretilen görünür ışık ve diğer elektromanyetik sinyallerin aranmasına da yardımcı olabilir. Max Planck Yerçekimi Fiziği Enstitüsü'nün Astrofizik ve Kozmolojik Görelilik Bölümü'nde doktora öğrencisi olan Nihar Gupte, "DINGO-BNS, teleskopların değerli gözlem süresinden mümkün olan en iyi şekilde yararlanmamıza yardımcı olacak" diye açıklıyor.

"İkili nötron yıldızlarından gelen kütleçekim dalgalarını analiz etmek özellikle zorlu bir iş, bu yüzden DINGO-BNS için çeşitli teknik yenilikler geliştirmemiz gerekti. Bunlar arasında, örneğin olaylara uyum sağlayan bir veri sıkıştırma yöntemi de var," diyor Nottingham Üniversitesi UKRI Geleceğin Liderleri Üyesi Stephen Green. MPI-IS Deneysel Çıkarım Bölümü Direktörü Bernhard Schölkopf ise şunları ekliyor: "Çalışmamız, modern makine öğrenimi yöntemlerini uzman fizik bilgisiyle birleştirmenin ne kadar etkili olduğunu gösteriyor."

DINGO-BNS, bir gün iki nötron yıldızının çarpışmasından önce ve çarpışma anında elektromanyetik sinyallerin gözlemlenmesine yardımcı olabilir. Max Planck Yerçekimi Fiziği Enstitüsü Astrofizik ve Kozmolojik Görelilik Bölümü Direktörü Alessandra Buonanno, "Bu tür erken çoklu haberci gözlemleri, henüz tam olarak anlaşılamamış birleşme süreci ve sonrasındaki kilonova hakkında yeni bilgiler sağlayabilir," diyor.

Ekip bulgularını Nature dergisinde yayımlanan bilimsel bir makalede bildirdi.