В рамках исследования ученые разработали серию моделей StarWhisper LightCurve — три специализированных алгоритма ИИ, для анализа переменных звезд. Автоматизированное глубокое обучение позволило оптимизировать ключевые параметры этих моделей, в частности, скорость обучения, размер батча и сложность модели, без необходимости ручной настройки. В результате удалось существенно упростить процесс обработки данных и повысить точность классификации астрономических объектов.
Для обучения моделей исследователи использовали данные с космических миссий NASA Kepler и K2, сосредоточившись на пяти основных типах переменных звезд. Помимо того, в выборку включили редкие типы звезд, благодаря чему удалось улучшить способность моделей к обобщению и распознаванию малоизученных объектов.
Результаты экспериментов показали, что современные архитектуры искусственного интеллекта способны с высокой точностью классифицировать переменные звезды. Одной из самых эффективных оказалась гибридная модель Conv1D + BiLSTM, которая сочетала в себе сверточные слои для выделения ключевых признаков и рекуррентные слои для анализа временных закономерностей. Эта модель достигла 94% точности. Еще более впечатляющие результаты показал Swin Transformer — вариант трансформерной архитектуры, изначально разработанной для обработки естественного языка, который продемонстрировал 99% точности.
Особенно важно, что Swin Transformer смог с 83% точностью идентифицировать звезды типа II Цефеид — редкий класс пульсирующих звезд, составляющих всего 0,02% от всего набора данных. Однако для работы этой модели потребуется дополнительная предварительная обработка данных, в том числе, преобразование кривых блеска в изображения. В отличие от нее, StarWhisper LightCurve показала 90% точности при минимальном вмешательстве человека, что существенно ускоряет процесс анализа.
Серия StarWhisper LightCurve включает три специализированных модели, каждая из которых адаптирована для работы с различными астрономическими данными. Первая, разработанная на основе модели Gemini 7B, классифицирует кривые блеска в формате структурированного текстового ряда. Вторая, построенная на DeepSeek-VL-7B-Chat, анализирует изображения кривых блеска, используя мультимодальный подход. Третья, созданная на основе Qwen-Audio, преобразует кривые блеска в звуковые волны, то есть производит акустический анализ данных.
Данные разработки являются частью более крупного проекта StarWhisper, направленного на развитие языковых моделей для астрономии. Проект ориентирован на повышение точности классификации звезд, улучшение понимания временных закономерностей в данных и автоматизацию научного анализа. Благодаря таким инновациям искусственный интеллект становится все более важным инструментом в исследовании Вселенной, помогая астрономам получать новые знания о звездах и их эволюции.
Ранее ученые объяснили, в чем истинная опасность взрыва сверхновой.
