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. Об этом сообщила пресс-служба вуза. Результаты исследования опубликованы в пятницу в журнале Monthly Notices of the Royal Astronomical Society (MNRAS).

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", - говорится в сообщении.

Ученые разработали модель, которая предсказывает параметры спектральных линий с точностью, близкой к экспериментальной, и учитывает их зависимость от температуры, уточнил научный руководитель исследования Тимур Лабутин, чьи слова приводит пресс-служба университета.

"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", - цитирует пресс-служба вуза Александра Закускина, аспиранта химического факультета МГУ.

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, считают авторы.

Источник: https://ai.gov.ru