Cómo la inteligencia artificial puede encontrar la fuente de los estallidos de rayos gamma

Los estallidos de rayos gamma se presentan en dos formas principales, cortas y largas. Aunque los astrónomos creen que entienden qué causa estos dos tipos de estallidos, todavía hay una superposición significativa entre ellos. Un equipo de investigadores ha propuesto una nueva forma de clasificar los estallidos de rayos gamma utilizando algoritmos de aprendizaje automático. Este nuevo esquema de clasificación ayudará a los astrónomos a comprender mejor estas enigmáticas explosiones.

Desde la década de 1960, los astrónomos han identificado breves e intensos estallidos de radiación gamma de alta energía. Estos estallidos provienen de todo el cielo, por lo que probablemente provengan de fuera de la galaxia. A lo largo de las décadas, los astrónomos han identificado dos tipos diferentes de estos estallidos de rayos gamma, que llaman corto y largo. Las ráfagas cortas duran menos de dos segundos en promedio y representan alrededor del 30% de todas las ráfagas. Los otros, los largos, suelen ser mucho más brillantes que sus homólogos más cortos.

La mayoría de los astrónomos creen que diferentes procesos conducen a dos poblaciones diferentes de estallidos de rayos gamma. Se cree que las fusiones de objetos compactos como estrellas de neutrones dar lugar a emisiones de ráfagas cortas de rayos gamma. Y, por otro lado, es probable que los tipos exóticos de explosiones de supernova den lugar a explosiones largas. En el último caso, si estrellas lo suficientemente grandes explotan con velocidades de giro lo suficientemente altas, el material que explota puede girar y formar un haz de radiación que explota en el espacio. Si este haz apunta hacia la Tierra, lo vemos como un largo estallido de rayos gamma.

Pero decir la diferencia entre los dos es difícil. Muchos estallidos de rayos gamma se ubican justo en el límite entre corto y largo, y algunos estallidos comparten cualidades de ambos.

Un equipo de investigadores ha propuesto un nuevo mecanismo para distinguir entre estas dos clases de observaciones. Utilizaron algoritmos de aprendizaje automático entrenados en conjuntos de datos y simulaciones por computadora para encontrar las principales características distintivas entre corto y largo rayo gamma estalla Descubrieron que podían separar limpiamente las poblaciones de avistamientos incluso cuando la duración de la explosión estaba justo en el límite.

El libro se publica en el arXiv servidor de preimpresión.

los astrónomos Con suerte, esta herramienta será útil para ayudar a clasificar fácilmente las observaciones futuras, que luego se pueden usar para refinar nuestra comprensión de los mecanismos físicos detrás de las explosiones.