В МГУ обучили ИИ предсказывать параметры для определения состава звезд

Созданная модель StarkML размещена для свободного использования на облачной платформе GitHub, для получения необходимых параметров достаточно подготовить файл с параметрами интересующих переходов.

Исследователи Московского государственного университета им. М. В. Ломоносова разработали на основе технологий машинного обучения новый метод расчета параметров спектральных линий, которые используются для определения состава звезд.

В астрофизике состав звезд рассчитывают, используя фундаментальные характеристики спектральных линий – особенно “ярких” волн определенной длины в спектре звезды. Среди особенно важных характеристик выделяют вероятности переходов и их ударные штарковские параметры. База данных последних составляет несколько десятков тысяч вариантов, а теоретические и экспериментальные способы их расчета трудозатратны и имеют ряд ограничений.

Научные сотрудники кафедры лазерной химии химического факультета МГУ предложили использовать методы машинного обучения для предсказания штарковских параметров любых переходов, для которых известны конфигурации верхнего и нижнего уровня.

Ученые разработали модель, которая предсказывает параметры спектральных линий с точностью, близкой к экспериментальной, и учитывает их зависимость от температуры.

Созданная модель StarkML размещена для свободного использования на облачной платформе GitHub, где для получения необходимых параметров достаточно подготовить файл с табличными параметрами интересующих переходов. В настоящее время готовится онлайн-версия для работы с этой моделью с помощью веб-интерфейса.

Разработка ученых может использоваться не только для изучения состава звезд и метеоров, но и в космических миссиях, предполагающих проведение анализа проб без образцов для сравнения. Такие расчеты также будут востребованы в сфере изучения плазмы, получаемой в лабораториях и на промышленных объектах.

Источник: nauka.tass.ru