Istraživači sa Univerziteta Keele razvili su tehniku mašinskog učenja koja pomaže astronomima da bolje procene starost zvezda na osnovu hemikalija u njihovoj atmosferi. Novo istraživanje će na Nacionalnom skupu astronomije 2023. predstaviti doktorant Džordž Viver.
Starost zvezde je veoma teško odrediti. Za razliku od objekata kao što su meteoriti Sunčevog sistema ili stene na drugim planetama, nije moguće prikupiti fizičke uzorke da bi se izmerila hemijska zastupljenost i starost zvezda koje vidimo na noćnom nebu radioaktivnim datiranjem. Umesto toga, astronomi treba da naprave procene na osnovu svetlosti koju primamo od zvezda. Ovo je najlakše uraditi za velike grupe zvezda koje evoluiraju zajedno, poznate kao zvezdana jata, ali je mnogo teže za pojedinačne zvezde.
Tokom veoma ranih faza životnog ciklusa zvezde, sve veća toplota i pritisak mogu promeniti hemijski sastav njene atmosfere. Jedna od glavnih promena je da se količina elementa litijuma u njegovoj atmosferi smanjuje tokom vremena kroz proces poznat kao „oštećenje litijuma“. Sadašnji modeli nisu bili u stanju da opišu punu složenost ovog efekta.
Veliki broj visokokvalitetnih spektra – analiza emitovane svetlosti iz objekta – dobijenih iz Gaia-ESO istraživanja znači da astronomi sada mogu da sagledaju problem iscrpljivanja litijuma u mnogo većoj dubini. Novi model neuronske mreže, razvoj prethodnog matematičkog modela poznatog kao EAGLES , koristi podatke sa više od 6.000 zvezda za modeliranje odnosa između temperature zvezde, izmerene količine litijuma i starosti.
Nova metoda je proširiva i već se radi na uključivanju mnogo više podataka u model, kreirajući procene starosti koristeći što je moguće više informacija. Testovi su već u toku za model koji uključuje metalnost zvezda — model će uzeti u obzir meru količine elemenata težih od helijuma u zvezdi. Druga moguća proširenja će posmatrati usporavanje rotacije zvezde tokom njenog životnog veka i smanjenje njene magnetne aktivnosti tokom vremena.
Dr. student i prvi autor rada u pripremi, Džordž Viver objašnjava: „Postoji nekoliko nezavisnih metoda i modela za procenu starosti, ali ova veštačka neuronska mreža nam daje priliku da kreiramo jednu kombinovanu metodu za procenu starosti zvezde na osnovu spektralnih merenja.“ On dodaje: „Ne samo da bi to moglo da dovede do modela „sve na jednom mestu“ za doba zvezda i klastera, već će nam takođe pomoći da kvantifikujemo i ograničimo odnose između ovih vidljivih i starosti, a možda čak i da otkrijemo nove odnose koje nismo imali. nisam bio svestan ranije.“
