人工智慧（AI）的出現被許多人譽為社會遊戲規則的改變者，因為它為改善我們生活的方方面面提供了無限可能。現在，天文學家正在使用人工智慧來測量宇宙的膨脹。由UNLV內華達天文物理學中心客座教授、日本國立天文台（NAOJ）助理教授瑪麗亞-戴諾蒂（Maria Dainotti）領導的兩項最新研究採用了多種機器學習模型，將伽馬射線暴（GRB）的距離測量精度提高到了一個新水平。

在短短幾秒鐘內，GRB 釋放的能量相當於太陽一生釋放的能量。由於它們如此明亮，GRB 可以在多種距離（包括可見宇宙的邊緣）進行觀測，幫助天文學家追尋最古老、最遙遠的恆星。但是，由於目前技術的限制，只有一小部分已知的GRB 具有所需的全部觀測特徵，可以幫助天文學家計算它們發生在多遠的地方。

圖中所示的Swift 是美國國家航空暨太空總署位於馬裡蘭州格林貝爾特的戈達德太空飛行中心、賓州州立大學帕克分校、新墨西哥州洛斯阿拉莫斯國家實驗室和維吉尼亞州杜勒斯的諾斯羅普-格魯曼創新系統公司的合作成果。其他合作夥伴包括英國萊斯特大學和穆拉德太空科學實驗室、義大利布雷拉天文台和義大利航太局。資料來源：美國國家航空暨太空總署戈達德太空飛行中心/Chris Smith (KBRwyle)

Dainotti 和她的團隊將美國宇航局尼爾-蓋爾斯-斯威夫特天文台（NASA’s Neil Gehrels Swift Observatory）的GRB 數據與多個機器學習模型相結合，克服了當前觀測技術的局限性，更精確地估算出了距離未知的GRB 的鄰近程度。由於GRB既可以在很遠的地方觀測到，也可以在相對較近的距離觀測到，因此了解它們發生的位置有助於科學家了解恆星是如何隨時間演變的，以及在給定的空間和時間內可以發生多少次GRB。

“這項研究推動了伽馬射線天文學和機器學習的前沿發展，”Dainotti 說。 “後續研究和創新將幫助我們取得更可靠的結果，並使我們能夠回答一些最緊迫的宇宙學問題，包括我們宇宙的最早過程以及它是如何隨著時間的推移而演變的。”

在一項研究中，Dainotti 和波蘭雅蓋隆大學的博士研究生Aditya Narendra 使用幾種機器學習方法精確測量了太空雨燕紫外線/光學望遠鏡（UVOT）和地面望遠鏡（包括斯巴魯望遠鏡）觀測到的GRB 的距離。測量結果完全基於其他與距離無關的GRB 特性。這項研究成果於5月23日發表在《天文物理學期刊通訊》。

Narendra說：「這項研究的結果非常精確，我們可以利用預測的距離來確定一定體積和時間內的GRB 數量（稱為速率），這與實際觀測到的估計值非常接近。”

由Dainotti 和國際合作者領導的另一項研究利用NASA 的Swift X 射線望遠鏡（XRT）從所謂的長GRB 產生的餘輝數據，透過機器學習成功地測量了GRB 的距離。據信，GRB 以不同的方式發生。長GRB發生在一顆大質量恆星到達其生命末期並爆發出壯觀的超新星時。另一種類型稱為短GRB，發生在死亡恆星（如中子星）的殘餘物在引力作用下合併並相互碰撞時。

Dainotti 說，這種方法的新穎之處在於將幾種機器學習方法結合起來使用，以提高它們的集體預測能力。這種方法被稱為”超級學習者”（Superlearner），它為每種演算法分配一個權重，權重值從0 到1 不等，每個權重與該奇異方法的預測能力相對應。超級學習者的優點在於，最終預測結果總是比單一模型更有效，也用來摒棄預測能力最差的演算法。

這項研究於2 月26 日發表在《天文物理學雜誌》增刊系列上，它可靠地估計了154 個距離未知的長GRB 的距離，並大大增加了這類爆發的已知距離數量。

由史丹佛大學天文物理學家Vahé Petrosian 和Dainotti 領導的第三項研究於2 月21 日發表在《天文物理學雜誌通訊》上，該研究利用斯威夫特X 射線數據回答了一些令人費解的問題，顯示GRB 的速率–至少在較小的相對距離上–並不遵循恆星形成的速率。

這提供了一種可能性，即小距離的長GRB可能不是由大質量恆星的坍縮產生的，而是由中子星等非常緻密的天體聚變產生的。

在美國國家航空暨太空總署史威夫特天文台客座研究員計畫（第19週期）的支持下，Dainotti和她的同事現在正努力透過一個互動式網路應用程式公開機器學習工具。

編譯來源：ScitechDaily