![]() |
ИСТИНА |
Войти в систему Регистрация |
ИПМех РАН |
||
Грядущее поколение крупных астрономических обзоров произведет революцию в нашем понимании Вселенной, однако при этом нам придется столкнуться с огромными объемами данных и связанными с ними проблемами. Одна из них — это невозможность использования человеческих ресурсов для поиска новых необычных астрофизических объектов. Кроме того, большинство данных, полученных этими обзорами, будут фотометрическими, и мы не сможем рассчитывать на спектроскопическую поддержку всех наблюдений. Целью проекта является поиск сверхновых звезд с уникальными свойствами в Открытом Каталоге Сверхновых (http://sne.space/) методами машинного обучения. В данном проекте мы объединим усилия экспертного анализа и методы машинного обучения. Проект состоит из двух частей: разработка программного обеспечения, которое позволит обнаружить аномалии в данных, и тщательный астрофизический анализ всех объектов с необычными свойствами. Для первичной классификации сверхновых по известным типам и подтипам требуется начальная выборка объектов со спектрами в качестве учебного образца, однако потом полученный классификатор может быть применен к большему набору данных, для которых доступны только фотометрические наблюдения. Если мы не хотим пропускать новую науку, скрытую в больших объемах данных, получение которых сопряжено с огромными умственными и финансовыми затратами, подобные инструменты поиска и анализа аномалий просто необходимы.
The next generation of astronomical surveys will revolutionize our understanding of the Universe, raising unprecedented data challenges in the process. One of them is the impossibility to rely on human scanning for the identification of unusual/unpredicted astrophysical objects. Moreover, given that most of the available data will be in the form of photometric observations, such characterization cannot rely on the existence of high resolution spectroscopic observations. The goal of this project is to detect the anomalies in the Open Supernova Catalog (http://sne.space/) with use of machine learning. We will develop a pipeline where human expertise and modern machine learning techniques can complement each other. Using supernovae as a case study, our proposal is divided in two parts: a first developing a strategy and pipeline — where anomalous objects are identified, and a second phase where such anomalous objects submitted to careful individual analysis. The strategy requires an initial data set for which spectroscopic is available for training purposes, but can be applied to a much larger data set for which we only have photometric observations. This project represents an effective strategy to guarantee we shall not overlook exciting new science hidden in the data we fought so hard to acquire.
грант РФФИ |
# | Сроки | Название |
1 | 21 марта 2018 г.-19 марта 2019 г. | Поиск аномалий в Открытом Каталоге Сверхновых |
Результаты этапа: | ||
2 | 20 марта 2019 г.-10 марта 2020 г. | Поиск аномалий в Открытом Каталоге Сверхновых |
Результаты этапа: |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".