Алгоритм справился с поиском планетарных туманностей не хуже астрономов

Астрономы представили результаты поиска планетарных туманностей среди новых кандидатов в них в базе данных HASH. Помимо ручной классификации объектов по спектрам и снимкам, ученые использовали разработанный в Яндексе алгоритм CatBoost, который справился с задачей не хуже людей и отличил планетарные туманности от остатков сверхновых и областей звездообразования. Статья опубликована в журнале Monthly Notices of the Royal Astronomical Society.

Планетарные туманности — финальная стадия жизни звезд малых и средних масс (от 0,8 до 8 масс Солнца), подобная судьба через несколько миллиардов лет ожидает и Солнце. Сама туманность представляет собой сброшенные внешние слои звезды, которые постепенно расширяются в пространстве и светятся за счет ионизации газа излучением от бывшего ядра светила, превращающегося в белого карлика. Однако на практике не всегда легко отличить планетарную туманность от области звездообразования, остатка сверхновой или симбиотической звезды, так как объекты могут накладываться друг на друга для земного наблюдателя, иметь похожие спектральные линии, объемные плотности и структурные особенности.

Группа астрономов во главе с Назымом Аксакером (Nazım Aksaker) из Университета Чукурова опубликовала результаты поисков планетарных туманностей среди 149 новых кандидатов в них из базы данных HASH. Исследователи занимались оценкой отношений интенсивности линий излучения в оптических спектрах, которые способны указать на тип объекта. В частности, большое отношение интенсивностей линии кремния [S II] к линии водорода H-альфа говорит о наличии ударных волн, нагревающих и ионизирующих окружающую среду, что больше похоже на остаток сверхновой. Широкие линии ионизированного кислорода O VI или линии железа [Fe VII] относятся к симбиотическим звездам, а линии Бальмера и линии кислорода [O III] и [N II] — к планетарным туманностям. Линия гелия He II на длине волны 468,6 нанометра использовалась как отличительная черта планетарных туманностей по сравнению с областями ионизированного водорода, которые обычно являются областями звездообразования. 

Для более точной классификации объектов из выборки ученые также анализировали снимки инфракрасного телескопа WISE и использовали SMB- и BPT-диаграммы, чтобы лучше различать туманности, светящиеся из-за излучения звезд, и объекты, в которых доминируют ударные волны. Кроме того, в качестве дополнительного инструмента исследователи воспользовались машинным обучением. Они взяли три алгоритма, использующие бустинг над деревьями решений: LightGBM, XGBoost и разработанный в Яндексе CatBoost.

В обучающую выборку входили 1028 спектров, из которых 492 приходились на объекты, похожие на планетарные туманности, но не являющиеся ими. В итоге астрономы остановились на алгоритме CatBoost, для которого среднее значение ROC–AUC составило 0,961, а сбалансированной точности — 0,8519. Тем не менее, ученые отмечают, что выбор этого алгоритма обусловлен скорее практическими соображениями, так как при такой обучающей выборке невозможно однозначно выделить лучшую модель: при попарном сравнении на трех внешних фолдах различия между CatBoost и LightGBM по метрикам ROC–AUC, полноте и ошибке калибровки оказываются меньше, чем разброс значений между самими фолдами.

Из 149 первоначальных объектов из базы данных HASH исследователи выделили в итоге 26 кандидатов, для которых четко различимы наиболее интересные спектральные линии. Два из них оказались многообещающими кандидатами в планетарные туманности (PN G022.5+14.4 и PN G023.2+13.6), еще один — менее вероятным (PN G021.3−05.0). PN G025.6-05.9 причислили к симбиотическим звездам, девять объектов в выборке оказались остатками сверхновых, десять — областями ионизированного водорода, а еще три объекта обладают свойствами как остатков сверхновых, так и областей звездообразования. Объект G263.2−00.6, ранее отмеченный в базе данных HASH как кандидат в планетарную туманность, переопределен как остаток сверхновой. При этом результаты классификации при помощи алгоритма CatBoost оказались не хуже, чем в случае классификации вручную — три кандидата в планетарные туманности он смог выделить с высокой степенью уверенности.

Посмотреть на трехмерные модели некоторых из самых красивых планетарных туманностей можно тут и тут.

Реклама: АНО ДПО «Т-Образование», ИНН 7743270426, erid: 2W5zFHTBxK4