supernova_graphics

DES, un algoritmo per lo studio dell’energia scura

Gli scienziati ritengono che l’energia scura, quella misteriosa forza che sta accelerando l’espansione cosmica, costituisca quasi il 70% del contenuto materia-energia dell’Universo. Per svelare questo mistero, forse il più grande della cosmologia moderna, gli astronomi devono basarsi su osservazioni indirette, studiando le supernovae distanti, in particolare quelle di tipo Ia, che si allontanano man mano che lo spazio si espande.

Il processo di identificazione e di puntamento di questi oggetti richiede un monitoraggio scrupoloso del cielo per catturare le minime variazioni di luminosità. Si tratta di un lavoro che sarebbe estremamente tedioso e che richiederebbe molto tempo per la Dark Energy Survey (DES). Per ovviare a ciò, alcuni ricercatori del Lawrence Berkeley National Laboratory (Berkeley Lab) e dell’University of California, Berkeley (UC Berkeley) hanno sviluppato nella sede del National Energy Research Scientific Computing Center (NERSC) un nuovo algoritmo che permette di incrementare il numero di candidati da analizzare.

Le 24 immagini rappresentano gli oggetti candidati supernovae a cui è stato assegnato un punteggio. Quanto più vicino a 1 risulta il punteggio, tanto maggiore sarà la probabilità di avere a che fare con una supernova. Credit: Danny Goldstein, UC Berkeley / Berkeley Lab

L’algoritmo si basa sulla tecnica denominata Random Forest, cioè un classificatore d’insieme composto da molti ‘alberi di decisione’ che dà in uscita la classe che corrisponde all’uscita delle classi degli alberi presi individualmente. In questo modo è possibile rivelare automaticamente, in tempo reale, le supernovae candidate ottimizzando così il tempo per la survey DES. Alla fine del processo, ad ogni candidato viene dato un punteggio che si basa sulla frazione degli ‘alberi di decisione’ che ha le caratteristiche di una supernova. L’oggetto risulta un forte candidato quanto più vicino a 1 è il punteggio. Nei test preliminari, il risultato ottenuto dalla classificazione ha raggiunto una precisione complessiva del 96%. Inoltre, l’algoritmo è in grado di classificare un oggetto candidato supernova in circa 0,01 secondi mentre l’occhio umano lo fa in pochi secondi. Infine, i ricercatori hanno constatato che utilizzando 60 processori di un supercomputer si possono classificare circa 200.000 mila oggetti in 20 minuti, compreso il tempo che serve al database per interagire ed estrarre le informazioni.

Berkeley Lab: Berkeley Algorithms Help Researchers Understand Dark Energy