Автоматизированный метод открытия рассеянных звездных скоплений и определения их физических характеристик
|
Даты проведения с 2018-01-01 по 2018-12-01 |
Тезис
Введение:
Звездные скопления являются одними из наиболее важных объектов во Вселенной. Звездные скопления являются фундаментальными строительными блоками галактик, поскольку большинство, если не все, звезды рождаются в таких скоплениях, состоящих из нескольких десятков до нескольких миллионов звезд. Следовательно, практически все звезды в галактиках когда-то были членами звездных скоплений. Данных факт является ключевым для нашего понимания образования галактик. Более того, звездные скопления - это отличные полигоны для тестирования теорий эволюции звезд. Все члены звездного скопления рождаются вместе в одном молекулярном облаке.
В данной работе представляется полностью автоматизированный метод открытия рассеянных звездных скоплений, их последующего анализа и выявления ключевых физических характеристик, ведущих к глубокому пониманию эволюции рассеянных скоплений. Данный метод применяется к рассеянному скоплению NGC188.
2. Анализ данных
2.1. Искусственная нейронная сеть
Для автоматического поиска и открытия рассеянных звездных скоплений была написана Искусственная Нейронная Сеть. Написание нейронной сети обосновывается в количестве открытий рассеянных скоплений, которые она может совершить: Piscunov et al. (2006) оценил, что в галактике Млечный Путь должно быть около 100,000 рассеянных звездных скоплений, в то время как сейчас открыто только 2000.
Обучение нейронной сети прямого распространения производилось на астрометрических
данных уже известных 2000 рассеянных скоплений.
Точность, с которой нейронная сеть идентифицирует рассеянные скопления на тестовых данных, составляет 95%, что является отличным результатом. В начале ноября 2018 года планируется применение обученной нейронной сети к данным всего ночного неба, полученных телескопом Gaia, для открытия рассеянных скоплений. Поиск рассеянных скоплений будет осуществляться на суперкомпьютере NVIDIA DGX1 Station, доступ к которому любезно предоставил Шукри Меккауи, профессор Гарвардского университета. В данной статье рассматривается тестирование нейронной сети и последующее применение автоматизированного алгоритма определения физических характеристик рассеянного звездного скопления NGC188.
Вся информация, известная на данный момент по рассматриваемому в этой статье рассеянному скоплению - это экваториальные координаты, представленные в Таблице 1. Данные были получены с использованием инструмента Vizier для базы данных Gaia. Данные извлекаются в конусе радиуса 10 угловых минут с центром в известных координатах. Для качества астрометрической обработки данных были исключены отрицательные параллаксы.
2.2. Определение членства в рассеянном скоплении
После идентификации рассеянного звездного скопления выявляются члены скопления - звезды, родившиеся вместе. Для определения членства в рассеянном скоплении используется K-Means алгоритм в среде программирования Python. Для начала производится нормализация 5-мерных данных Gaia, включающих в себя склонение, прямой восхождение, собственное движение по склонению, собственное движение по прямому восхождению и параллакс звезд. После этого рассчитывается нормализованная матрица Лапласа, у которой находятся собственные вектора и собственные числа. После этого выбираются 2 наибольших собственных числа и соответствующие им собственные
вектора и применяется K-Means алгоритм для классификации данных в 2 группы: звезды- члены скопления и звезды фона. Визуализация полученных данных представлена на Рисунке 3. Рассеянному звездному скоплению NGC188 принадлежит 942 звезды.
2.3. Размеры и расстояния
Для определения расстояния до центра рассеянного скопления используется метод ядерной оценки неизвестной плотности вероятности (kernel density estimation). Данный метод позволяет рассчитать вероятность распределения непрерывной случайной величины. Сначала определяются координаты центра скопления (Рис.1). После построения маски плотности с применением Гауссовой функции к каждому члену скопления (Рис. 2) рассчитываются расстояние до центра скопления и его размеры. Расстояние до центра скопления NGC188 составляет 2.1 кпк (Рис. 5). Радиус ядра скопления NGC188 составляет 1.4+-0.1 пк.
3. Диаграмма цвет - звёздная величина
Далее в автоматическом режиме строится диаграмма цвет - звёздная величина. По вертикальной оси откладывается абсолютная звездная величина, переведенная из светимости в видимом диапазоне через определенное алгоритмом расстояние до скопления, а по горизонтальной оси откладывается индекс цвета, равный разнице светимостей в G и R фильтрах (Рис. 4). Путем фитирования полученная диаграмма позволяет определить возраст скопления, который составляет 5.2 млрд. лет.
4. Заключение и план на следующие полгода
В ходе работы создана автоматическая система открытия рассеянных звездных скоплений, их последующего анализа и выявления ключевых физических характеристик. Данная система основывается на применении Искусственного Интеллекта и алгоритма, определяющего следующие характеристики скопления:
- центр скопления
- расстояние до центра скопления
- размер скопления
- возраст скопления
Разработанная система была протестирована на рассеянном звездном скоплении NGC188.
В течение следующего полугода планируется:
1) в ноябре 2018 года планируется применение Искусственного Интеллекта к полному каталогу Gaia на суперкомпьютере NVIDIA DGX1 Station с целью открытия рассеянных скоплений
2) построение функции масс скопления, функции светимости скопления
3) определение массы скопления
4) использование 2mass базы данных для поиска протопланетных дисков вокруг маломассивных звезд рассеянных скоплений
5) поиск экзопланет в протопланетных дисках вокруг звезд рассеянных скоплений
5. Литература
- Piskunov,A.E.,Kharchenko,V.,Ro ̈ser,S.,Schilbach,E.,Scholz,R.-D., 2006. A&A. 445.545P.
- Jordi, C. “Open clusters with Gaia. The science of Gaia and future challenges”, Lund, 1st Sep 2017.
- https://gea.esac.esa.int/archive/documentation/GDR...
Написанный код доступен по сслыке:https://docs.google.com/document/d/1-- ZWyH0nVyU8bHHDOYk-FdPwKa44e7yhTOFQ1Pa6Ypg/edit?usp=sharing
Проект опубликовал
