Поиск вспышек красных карликов в данных ZTF DR17 при помощи методов машинного обучения

Красные карлики — одни из наиболее долгоживущих звезд, представляющие значительный интерес для астрофизических исследований. Их высокая вспышечная активность, вызванная процессами магнитного пересоединения, помогает лучше понять природу звездной магнитной активности, включая солнечные вспышки, которые могут влиять на орбитальную инфраструктуру Земли. Кроме того, красные карлики представляют особый интерес для поиска внеземной жизни: вокруг них обнаружено множество экзопланет, но их высокая вспышечная активность может создавать неблагоприятные условия для живых организмов из-за интенсивного ультрафиолетового излучения. Однако многие фундаментальные свойства вспышек, такие как частота их возникновения, энергетика и связь со свойствами звезды, остаются недостаточно изученными. Современные широкопольные астрономические обзоры, такие как Zwicky Transient Facility (ZTF), предоставляют новые возможности для создания обширных статистических выборок вспышек. ZTF регистрирует около 200 000 алертов за ночь и содержит примерно 4 миллиарда уникальных кривых блеска. Цель данной работы — использовать данные 17-го релиза ZTF для создания выборки вспышек карликов спектрального класса М и последующего анализа их свойств. Для этого были применены методы машинного обучения, включая обучение моделей бинарного классификатора.

Методы

Для поиска вспышек был разработан метод, сочетающий предобработку данных и классификацию на основе машинного обучения. Исходные данные включали порядка 2.3 миллиардов кривых блеска из 17-го релиза ZTF. Из них была сформирована выборка с высокой скважностью наблюдений. На основе данных TESS был сгенерирован 1 миллион синтезированных кривых блеска вспышек, что позволило создать обширную выборку для обучения моделей. Для классификации были выбраны ансамблевые модели на основе решающих деревьев — случайный лес (Random Forest) и градиентный бустинг (CatBoost), которые устойчивы к скоррелированным признакам. Входные векторы для моделей состояли из 80 признаков, включая 33 экспертных признака и 47 признаков, полученных методом на основе сверточных нейронных сетей MiniRocket. После классификации была проведена многоступенчатая пост-фильтрация для исключения ложных срабатываний алгоритма, таких как астероиды и фотометрические артефакты. Этот этап включал проверку на совпадения с известными астероидами и использование дополнительного классификатора на основе параметров качества наблюдений, таких как FWHM и Sharpness. Финальный отбор кандидатов в М-карлики производился на основе фотометрических данных Pan-STARRS.

Результаты

В результате применения разработанного метода была обнаружена 1231 вспышка. Это самая крупная выборка вспышек, обнаруженная в рамках наземного обзора. Проведенный анализ выборки позволил определить спектральные подклассы вспыхивающих звезд и рассчитать болометрическую энергию для 650 вспышек. Анализ показал четкую зависимость частоты вспышек от спектрального подкласса, с увеличением частоты для более поздних типов, что согласуется с предыдущими исследованиями. Полученная выборка и проведенный анализ создают надежную основу для дальнейших исследований, включая изучение эволюции вспышечной активности с возрастом звезд. Разработанная методология может быть применена для поиска быстрых переменных объектов других типов.

Благодарности

А. Лаврухина выражает признательность за поддержку Российскому научному фонду (грант № 24-22-00233, https://rscf.ru/en/project/24-22-00233/). Вычислительные ресурсы были предоставлены Яндекс Облаком (https://yandex.cloud) в рамках гранта на проведение научных исследований.