В МГУ обучили искусственный интеллект рассчитывать состав и свойства звезд
Ученые из МГУ им. М. В. Ломоносова создали и обучили модель на основе машинного обучения для расчета состава звезд и других плазменных источников. Разработка будет полезна для будущих астрофизических исследований, а также для проведения научных экспериментов во время космических полетов.
Аспирант химического факультета МГУ Александр Закускин и кандидат химических наук, доцент Тимур Лабутин использовали регрессионные модели на основе различных алгоритмов машинного обучения, в том числе нейросетей, для предсказания штарковских параметров переходов спектральных линий. Эти параметры необходимы астрофизикам для расчета состава звезд и других плазменных источников.
В спектральных базах данных собраны сведения о миллионах вероятностей переходов, но получить штарковские параметры не так просто, поэтому они известны лишь для 10–20 тысяч спектральных линий. На основании известных экспериментальных данных по штарковским параметрам ученые создали набор данных для обучения всех моделей машинного обучения.
Одной из основных задач было оценить способности модели предсказывать штарковские параметры для линий химических элементов, которые она «не видела» на стадии обучения. Это было необходимо, чтобы модель могла охватить максимально широкий круг элементов и их переходов. Для повышения точности вычислений, ученые использовали масштабирование и аугментацию данных. Модели также оценивались по их способности следовать зависимости штарковских параметров от температуры.
В результате специалисты создали и обучили модель StarkML, которая предсказывает штарковские параметры на основе алгоритма XGBoost с точностью, близкой к экспериментальной для широкого круга элементов, а также обеспечивает следование предсказанных параметров температурной зависимости.
Модель доступна для свободного использования на облачной платформе GitHub. Для получения нужных параметров достаточно подготовить файл с таблицей интересующих переходов. Ученые работают над онлайн-версией программы, чтобы с моделью можно было работать с помощью веб-интерфейса.
По словам исследователей, полученные результаты могут использоваться в астрофизике при расчете состава и свойств звезд, метеоров и иных плазменных источников. Они будут полезны в космических полетах при работе с лазерно-искровыми эмиссионными спектрометрами для определения состава проб. Помимо этого, данные пригодятся для диагностики плазмы в самых разнообразных плазменных источниках — как лабораторных, так и промышленных.
Самое популярное
