Художник делает быстрый набросок углём — и лицо на портрете уже узнаваемо. Астрофизики решают схожую задачу: спектр звезды — это её индивидуальный портрет, раскрывающий температуру, состав, силу тяжести. До недавнего времени для получения такого портрета требовалась кропотливая «живопись маслом» — код радиативного переноса в условиях отклонения от локального теплового равновесия (non-LTE). Один точный синтетический спектр вычислялся часами. Но в эпоху обзоров нового поколения, таких как WEAVE и 4MOST, нужны миллионы портретов. Здесь на сцену выходит SpecFANN — нейросеть, обученная рисовать быстрые, но удивительно точные эскизы звёздных спектров.
Группа исследователей взяла 50 147 моделей, созданных кодом FASTWIND — своего рода эталонным «художником». Каждая модель представляла собой спектр звезды с определёнными параметрами: эффективной температурой, силой тяжести, радиусом, обилием гелия и элементов C, N, O, Si. Этот набор стал учебным альбомом. 140 независимых нейросетей (по одной на важную спектральную линию) учились предсказывать форму линии по пяти входным числам. После примерно часовой тренировки на графическом процессоре NVIDIA L40S каждая сеть начинает выдавать 161 точку профиля практически мгновенно. Физика ядра звезды — CNO-цикл, впервые описанный Гансом Бете, — оставляет в спектре характерные подписи, которые нейросеть научилась выхватывать без прямых расчётов переноса излучения.
Быстрый набросок может смазать мелкие детали, но главные черты остаются. Для фотосферных линий (тех, что рождаются в более плотных слоях) средняя ошибка падает ниже 0,1 % — почти как у оригинальной модели. Ветровые линии, возникающие в стремительно расширяющейся оболочке, даются сложнее, но и там погрешность редко превышает 1 %. Водородные линии, например Hα из бальмеровской серии, открытой Иоганном Бальмером, воспроизводятся очень хорошо. Настоящим сюрпризом стало то, что учёт вращения звезды — лёгкое «размазывание» профиля эффектом Доплера — дополнительно сглаживает мелкий шум предсказаний, уменьшая ошибку вдвое.
Скорость эмулятора (в 360 000 раз быстрее) превращает невозможное в рутину. Методы байесовского анализа, такие как MCMC, которые перебирают тысячи вариантов, становятся применимы для non-LTE моделей. Астрономы больше не вынуждены обходиться скупыми спектральными индексами — можно использовать всю информацию, которую несут сотни линий. В перспективе архитектуру сетей оптимизируют для разных металличностей, добавят параметры ветра и учтут двойные системы. Благодаря SpecFANN массовый анализ звёздной эволюции по данным обзоров займёт дни, а не столетия.
Быстрый набросок не заменит детальное полотно, когда нужна стопроцентная точность. Но в астрофизике наступает эра, когда важнее не единичные шедевры, а статистические ансамбли. SpecFANN — тот инструмент, который позволяет, быстро окинув взглядом тысячи портретов, найти самые удивительные звёзды — будущие сверхновые, источники гравитационных волн, — и уже их изучать во всех деталях. Рисунок углём даёт главное: он даёт скорость. И с ней приходит возможность увидеть лес за деревьями.
Для обучения всех 140 нейросетей хватило одного графического процессора NVIDIA L40S; общий объём данных составил всего 2 ГБ — меньше, чем одна серия любимого сериала в HD.
Идея мгновенного спектрального анализа перекликается с трикодером из «Звёздного пути»: устройство определяло состав и состояние объекта в реальном времени. SpecFANN — шаг к подобной оперативной диагностике в астрофизике.