Звезда светит, и её луч, пропущенный через призму, рассыпается в цветную полоску — спектр. Тёмные и яркие чёрточки на этой полоске рассказывают о температуре звезды, её составе и движении. Раньше, чтобы получить такой портрет на компьютере, приходилось часами решать сложные уравнения переноса света. Это было похоже на создание живописного полотна маслом — долго, но точно. Однако в грядущих обзорах неба ожидаются данные о миллионах светил, и старый метод не угнаться.

Группа астрономов применила машинное обучение: они взяли готовые численные модели — обширный альбом с образцами. В каждой заданы пять ключевых чисел: температура, сила тяжести у поверхности, доля гелия и двух важных элементов (углерода и азота). Нейросеть училась по этим числам угадывать точную форму узких линий в спектре. Час тренировки на видеокарте — и она помнит все 140 главных чёрточек. Теперь один портрет звезды создаётся за долю миллисекунды.

Скорость выросла в 360 000 раз. Это позволило использовать методы, которые раньше были не по силам — например, быстро перебирать тысячи гипотетических звёзд, чтобы подобрать лучшие параметры. Эффект Доплера от вращения звезды даже помогает: он слегка размазывает линии и тем самым сглаживает шум, уменьшая ошибку вдвое. Водородная линия Hα из бальмеровской серии, открытой Иоганном Бальмером, и следы ядерных реакций (CNO-цикл, описанный Гансом Бете) воссоздаются с точностью лучше 0,1%. Нейросети даже не нужно вдаваться в физику реакций — она просто запоминает узор.

Быстрый набросок углём не заменит законченный портрет, когда нужна предельная детализация. Но для массового изучения эволюции звёзд и их металличности (содержания тяжелых элементов) важнее видеть тысячи портретов сразу. SpecFANN делает это возможным — лес светил проступает за считанные дни.