Космический смузи: поиск аномалий без рецепта ✛ ✦

Оригинал: "Weakly supervised machine learning for model-agnostic searches of new phenomena in the $$\gamma$$-ray sky"

· Michael Krämer, Silvia Manconi, Kathrin Nippel

arXiv:2607.07158 · 2026-07-08 · CC BY 4.0 · 1 мин

Астрофизика высоких энергий Астрономическое приборостроение Феноменология физики высоких энергий

Учёные учат компьютер, как дегустатора, различать космические аномалии по едва уловимым отличиям, не имея образца для сравнения.

Гамма-телескоп Fermi составил карту тысяч мощнейших всплесков света. Многие приходят от знакомых объектов: пульсаров — звёздных маяков, и активных ядер галактик — сияния вокруг чёрных дыр. Но более двух тысяч источников не опознаны. Возможно, среди них сигналы тёмной материи — невидимого каркаса галактик. Поиски вдохновлены работами Веры Рубин, Джоселин Белл Бернелл и Роберто Печчеи.

Метод напоминает дегустатора с двумя смузи. Один — чистый вкус известного банана (излучение знакомых объектов). Другой — тот же банан с каплей неизвестного сиропа. Машинное обучение сравнивает их и находит отличия без рецепта «добавки». Алгоритму скармливают настоящие измерения яркости и разложения света от телескопа, а также компьютерные модели спектров.

Без подсказок метод распознал 82% аномалий — почти как при полном обучении.

Такой скрининг не замена детальному анализу, но гибкий способ отбора кандидатов. Он особенно важен, когда сигнал неизвестен — будь то тёмная материя или новые частицы. Планируется просеять весь каталог Fermi, чтобы ни одна аномалия не ускользнула.

Весь граф →

Более двух тысяч гамма-источников в каталоге Fermi остаются неопознанными — это превышает число известных пульсаров или активных ядер. Скрытая вселенная ждёт первооткрывателя.

Как в романе «Тёмная материя» Блейка Крауча, поиск невидимых сил, меняющих излучение далёких объектов, напоминает детектив о скрытой реальности.

E_c \simeq 2.5\,\text{ГэВ}\,\left(\frac{|m_a^2 - \omega_{\rm pl}^2|}{1\,{\rm нэВ}}\right)\left(\frac{B_\perp}{\mu\text{Г}}\right)^{-1}\left(\frac{g_{a\gamma}}{10^{-11}\,\text{ГэВ}^{-1}}\right)^{-1}

Выше этой энергии осцилляции становятся энергонезависимыми, а вблизи неё возникают характерные «извивы» в спектре.

l_{\rm osc} = 32\,{\rm кпк}\,\sqrt{1+(E_c/E_\gamma)^2}\left(\frac{B_\perp}{\mu\text{Г}}\right)^{-1}\left(\frac{g_{a\gamma}}{10^{-11}\,\text{ГэВ}^{-1}}\right)^{-1}

Характерный масштаб, на котором вероятность конверсии периодически меняется, приводя к модуляции наблюдаемого потока.

Учёные

Andrey Markov

Понятия

слабое обучение самонаблюдаемое обучение телескоп «Ферми» слабое гравитационное линзирование астрофизика с ИИ обнаружение аномалий гамма-спектроскопия классификатор слабое измерение обучающие данные символьная регрессия размеченные данные спектральный анализ с помощью ИИ ложноположительный результат отбор событий обнаружение астрофизических сигналов гамма-телескоп обзор неба усреднение сигнала спектроскопия с подавлением шума

Я автор

Космический смузи: поиск аномалий без рецепта ✛ ✦