Astronomen vinden 116.000 nieuwe veranderlijke sterren

Astronomen van de Ohio State University hebben ongeveer 116.000 nieuwe veranderlijke sterren gevonden. Dit staat in een onlangs gepubliceerd artikel.

ASAS-SN-telescoop
Een ASAS-SN telescoop helpt astonomen met het vinden van nieuwe sterren. Credit: ASAS-SN

De sterren werden gevonden met behulp van de All-Sky Automated Survey for Supernovae (ASAS-SN). Dit is een netwerk van 20 telescopen verspreid over de wereld, die de gehele sterrenhemel ongeveer 50.000 keer gevoeliger dan het menselijke oog kunnen waarnemen. Astronomen van de Ohio State University werken al bijna 10 jaar aan dit project.

Ze hebben nu een artikel gepubliceerd op de arXiv preprint server waarin ze beschrijven hoe ze machine learning technieken hebben gebruikt om veranderlijke sterren te identificeren en te classificeren. Veranderlijke sterren variëren in de tijd in helderheid.

De veranderingen die deze sterren ondergaan kunnen belangrijke informatie over hun massa, straal, temperatuur en zelfs hun samenstelling onthullen. In feite wordt onze Zon ook als een veranderlijke ster beschouwd. Onderzoeken zoals ASA-SN zijn in het bijzonder belangrijk voor het vinden van systemen die de complexiteit van stellaire processen kunnen onthullen.

Astronomen zien veranderlijke sterren als een soort van stellaire laboratoria. Het zijn geschikte plekken in het heelal waar we sterren kunnen bestuderen en meer kunnen leren over hoe sterren eigenlijk werken met de kleine afwijkingen die ze allemaal hebben.

Maar om meer van deze sterren te vinden moest het team eerst ongebruikte gegevens van het project binnenhalen. ASAS-SN staarde jarenlang naar de lucht met behulp van V-bandfilters, optische lenzen die alleen sterren kunnen identificeren waarvan het licht in het spectrum van kleuren valt dat met het blote oog zichtbaar is. Maar in 2018 verschoof het project naar het gebruik van g-band filters. Dit zijn lenzen die meer soorten blauw licht kunnen detecteren. En hiermee ging het netwerk van de mogelijkheid om ongeveer 60 miljoen sterren tegelijkertijd te observeren naar meer dan 100 miljoen.

Maar in tegenstelling tot de burgerwetenschapscampagne van ASAS-SN, die afhankelijk is van vrijwilligers om astronomische gegevens te doorzoeken en te classificeren gebruikten de onderzoekers nu artificiële intelligentie.

Als je naar miljoenen sterren wilt kijken dan is het voor een paar menselijke ogen onmogelijk om het alleen te doen. Het zal een eeuwigheid gaan duren en dus moest er iets creatiefs worden bedacht, zoals machine learning-technieken.

Het nieuwe onderzoek richtte zich op gegevens van Gaia, een missie om een driedimensionale kaart van ons sterrenstelsel te maken. Ook werden er data van de 2MASS en ALLWISE-missies gebruikt. Het team gebruikte een machine learning-algoritme om een lijst van 1,5 miljoen kandidaat-veranderlijke sterren uit een database van ongeveer 55 miljoen geïsoleerde sterren te extraheren.

Daarna brachten de onderzoekers het aantal kandidaten nog verder terug. Van de 1,5 miljoen sterren die ze bestudeerden bleken er bijna 400.00 echte veranderlijke sterren te zijn. Meer dan de helft was al bekend bij de astronomische gemeenschap maar 116.027 daarvan bleken nieuwe ontdekkingen te zijn.

Hoewel het onderzoek machine learning nodig had om het t6e voltooien is er nog steeds een rol weggelegd voor burgerwetenschappers. In feite zijn vrijwilligers met de burgerwetenschapscampagne al begonnen met het identificeren van ongewenste gegevens, mensen geven aan hoe slechte gegevens eruit zien en dat is heel handig omdat het algoritme in eerste instantie naar de slechte gegevens zou kijken en die zou proberen te begrijpen.

Maar door een trainingsset van al die slechte gegevens te gebruiken kan het team de algehele prestaties van het algoritme aanpassen en verbeteren. Het is op het gebied van veranderlijke sterrenastronomie voor het eerst dat men burgerwetenschap combineert met machine learning-technieken.

Artikel: T. Christy et al, The ASAS-SN Catalog of Variable Stars X: Discovery of 116,000 New Variable Stars Using g-band Photometry. arXiv:2205.02239v1

Eerste publicatie: 2 juni 2022
Bron: Ohio State University