Międzynarodowy zespól naukowców ze Scuola Normale Superiore, Uniwersytetu Tor Vergata, Uniwersytetu Swinburne i Centrum Astronomicznego Mikołaja Kopernika PAN, reprezentowanego przez doktoranta Filipa Morawskiego, zaproponował nową metodę poszukiwania fal grawitacyjnych emitowanych przez wybuchy supernowych typu Core Collapse (ang. Core-Collapse Supernova, CCSN). Publikacje na ten temat ukazała się w „Machine Learning Science and Technology”.
Wybuchy CCSN należą do jednych z najbardziej spektakularnych zjawisk we wszechświecie. Są źródłem niektórych ciężkich pierwiastków istniejących obecnie. Wybuchy te są tak potężne, iż można by je zaobserwować nawet w trakcie dnia, gdyby takie zjawisko nastąpiło w naszej galaktyce. Niestety CCSN są bardzo rzadkie w Drodze Mlecznej, zachodzą jedynie 2-3 razy w ciągu stulecia, dlatego są tak trudne do zbadania. Ponadto obserwacje elektromagnetyczne dostarczają jedynie informacji o prekursorze wybuchu. Nie wystarcza to do wytłumaczenia procesu zachodzącego w centrum umierającej gwiazdy – zapaści rdzenia (ang. Core-Collapse), który odpowiada za rozpoczęcie sekwencji prowadzących do wybuchu. Ponieważ światło nie może przedostać się przez materię otaczającą gwiazdę, informacja o zapadającym się rdzeniu jest niedostępna dla obserwacji elektromagnetycznych. Nie dotyczy to jednak fal grawitacyjnych, które mogą się przedostać przez zewnętrzne warstwy gwiazdy nie ulegając rozproszeniu lub pochłonięciu. Detekcja tego typu sygnałów jest spodziewana w najbliższej przyszłości w detektorach LIGO i Virgo.
Badacze z międzynarodowego zespołu, autorzy wspomnianej publikacji, badają najnowocześniejsze modele CCSN wygenerowane na podstawie symulacji hydrodynamicznych procesu zapadania się rdzenia gwiazdy napędzanego neutrinami. Fale grawitacyjne otrzymane w ten sposób zostały następnie dodane do zasymulowanego niestacjonarnego szumu detektorów Virgo oraz Teleskopu Einsteina (planowany detektor fal grawitacyjnych). Nowością proponowanej metody poszukiwania sygnałów CCSN jest zastosowanie konwolucyjnej sieci neuronowej (CNN) w połączeniu z algorytmem poszukującym sygnałów w szumie o nazwie Wavelet Detection Filter (WDF). Ponadto uczeni po raz pierwszy w badaniach CCSN wykorzystujących uczenie maszynowe uwzględnili artefakty (ang. glitches) rejestrowane w detektorze, które mogą imitować sygnały astrofizyczne. Analiza ta pozwoliła na ocenę wiarygodności proponowanej metody pod kątem fałszywych alarmów wywołanych sygnałami pochodzenia nieastrofizycznego.
JK
(Źródło: CAMK)