Command Palette
Search for a command to run...
باستخدام التعلم الجماعي المتراكم، حقق فريق بحثي بريطاني تنبؤًا عالي الدقة بالمؤشر الزلزالي لـ 251 نجمًا من نجوم دلتا سكيوتي.
يُعد علم الزلازل النجمية، من خلال تحليل التذبذبات الطبيعية للنجوم، أحد أكثر أساليب البحث اختراقًا في الفيزياء النجمية الحديثة، إذ يكشف عن بنيتها الداخلية وحالتها التطورية. ومن بين مواضيعه البحثية العديدة،تُعرف نجوم دلتا سكيوتي (التي تبلغ كتلتها حوالي 1.5 إلى 2.5 ضعف كتلة الشمس) بأنماط نبضها الغنية وأطيافها التذبذبية عالية الكثافة.أصبح هذا مجالًا تجريبيًا هامًا في علم الزلازل النجمية. وتُعزى نبضات هذه النجوم بشكل رئيسي إلى آلية العتامة (κ) لمنطقة تأين الهيليوم، بينما تُحفز نوى الحمل الحراري الداخلية عمليات معقدة مثل تجاوز الحمل الحراري، والخلط الكيميائي، وإعادة توزيع الزخم الزاوي. في الوقت نفسه، يتسبب الدوران السريع نسبيًا في اقتران أنماط التذبذب وانقسام تردداتها، مما يزيد بشكل كبير من صعوبة التعرف على الأنماط واستخراج المعلمات.
في التحليل الزلزالي النجمي،يُعد التردد المقابل لأعلى ذروة في طيف القدرة، وتردد أقصى قدرة تذبذب، وفترة التردد الكبيرة Δν من المعلمات المهمة بشكل خاص.يُعدّ Δν شديد الحساسية لمتوسط كثافة النجم، وهو مؤشر أساسي لتوصيف بنيته العامة. مع ذلك، بالنسبة لنجوم دلتا سكيوتي، يُؤدي الدوران السريع والتداخل متعدد الأنماط إلى تعطيل التباعد الترددي المنتظم أصلاً، مما يُشكّل تحدياً كبيراً للطرق التقليدية لقياس Δν.
في السنوات الأخيرة، أدت بيانات منحنى الضوء واسعة النطاق وعالية الدقة التي تم الحصول عليها بواسطة القمر الصناعي TESS إلى توسيع عينة البحث لهذا النوع من النجوم بشكل كبير.ومع ذلك، لا تزال معالجة البيانات تتطلب موارد حاسوبية مكثفة وتعتمد على الخبرة، ولا يزال استخراج المعلمات بدقة عالية أمراً ليس من السهل تحقيقه.في هذا السياق، يُقدّم التعلّم الآلي مسارًا تقنيًا جديدًا. فمقارنةً بالأساليب التقليدية، يُمكن للتعلّم الجماعي دمج تنبؤات نماذج متعددة، ما يُحقق دقةً واستقرارًا أعلى في بيئات البيانات المعقدة. وقد أظهرت أساليب مثل الغابات العشوائية، وتعزيز التدرج، وانحدار ريدج إمكاناتٍ كبيرة في تحليل البيانات الفلكية خلال السنوات الأخيرة.
وانطلاقاً من هذه الفكرة، قام فريق بحثي في جامعة وارويك بالمملكة المتحدة ببناء إطار عمل للتعلم الجماعي المتراكم.يمكن التنبؤ بالمعايير الرئيسية لعلم الزلازل النجمية لنجوم δ Scuti مباشرة من منحنيات الضوء الخاصة بـ TESS.حققت الطريقة نتائج باهرة على عينة من 643 نجمًا: إذ تجاوز معامل التحديد R² لجميع المعايير المستهدفة 0.77، وأظهرت قدرة تعميم جيدة على 60 نجمًا لم تُستخدم في التدريب. وكانت نتائج التنبؤ متوافقة إلى حد كبير مع التحليل الزلزالي النجمي التقليدي.
تم نشر نتائج البحث ذات الصلة، بعنوان "نهج التعلم الآلي الجماعي لتقدير المؤشرات الزلزالية النجمية لنجوم δ Scuti التي رصدها تلسكوب TESS"، في المجلة الفلكية.
أبرز الأبحاث:
* تم اقتراح إطار عمل للتعلم الآلي لتقدير معلمات علم الزلازل النجمية الرئيسية بشكل مباشر من منحنيات الضوء، مما يكسر قيود الطرق التقليدية ويحسن بشكل كبير من كفاءة استخراج المعلمات.
* تم تحقيق تنبؤات عالية الدقة من خلال تحسين اختيار الميزات وبنية النموذج، وتم التحقق من موثوقيتها على عينات مستقلة.
* تم الانتهاء من تحديد مؤشر الزلازل النجمية لـ 251 نجمًا من نجوم دلتا سكيوتي، وتم إنشاء فهرس نجمي جديد، وتم إثراء قاعدة بيانات المعلمات للنجوم ذات الصلة، مما يوفر دعمًا مهمًا للبيانات للتحليل الإحصائي للعينات الكبيرة في المستقبل وأبحاث تطور النجوم.
عنوان الورقة:
https://beta.iopscience.iop.org/article/10.3847/1538-3881/ae4bd8
المزيد من الأبحاث الرائدة في مجال الذكاء الاصطناعي:
مجموعة البيانات: فحص منحنى الضوء TESS وبناء عينة علم الزلازل النجمية
تحتوي مجموعة البيانات الأساسية المستخدمة في هذه الدراسة على منحنيات الضوء الخاصة بـ TESS لـ 643 نجمًا من نجوم دلتا سكيوتي.بالإضافة إلى ذلك، تم تضمين ثلاثة مؤشرات رئيسية لعلم الزلازل النجمية: ν(Aₘₐₓ)، وνₘₐₓ، وΔν. احتوت العينة الأولية على 677 نجمًا من نوع دلتا سكيوتي، تم الاحتفاظ بـ 643 منها كمجموعة البيانات الأساسية بعد عدة جولات من الاختيار. شملت معايير الاختيار: امتلاك منحنيات ضوئية قصيرة التعريض لمدة دقيقتين من تلسكوب TESS (من أرشيف MAST)؛ ما لا يقل عن 7000 نقطة بيانات لكل منطقة رصد؛ منحنيات ضوئية مصححة بواسطة PDC-SAP؛ ومعاملات علم الزلازل النجمية كاملة وقابلة للاستخدام.
استنادًا إلى ذلك، اختار الباحثون 251 نجمًا إضافيًا من نجوم دلتا سكيوتي كعينات تكميلية. تتميز هذه النجوم أيضًا بمنحنيات ضوئية عالية الجودة، ولكن لم تُنشر بعدُ معاييرها الزلزالية النجمية. وكانت معايير الاختيار هي: تغطية ثلاث مناطق رصد على الأقل، بحيث تحتوي كل منطقة على ما لا يقل عن 7000 نقطة بيانات. استُخدمت هذه العينة بشكل أساسي للتنبؤات العملية والتحقق من صحة النموذج.
النموذج: إطار عمل انحدار جماعي قائم على نماذج متعددة القواعد مكدسة
يهدف النموذج في هذه الدراسة إلى تقدير المعلمات الزلزالية النجمية للنجوم بناءً على خصائص منحنيات الضوء الخاصة بها.تتضمن العملية الشاملة استخراج الميزات، ومعالجة البيانات المسبقة، ونمذجة المجموعة، وتحسين المعلمات الفائقة.
فيما يتعلق ببناء الميزات،استخدمت الدراسة نوعين من الميزات: النوع الأول هو الميزات الإحصائية (مثل المتوسط، والانحراف المعياري، والوسيط، وما إلى ذلك) المستخدمة لوصف الخصائص الأساسية لتوزيع الإضاءة؛ والنوع الآخر هو ميزات مجال التردد، بما في ذلك تحليل المكونات الرئيسية (PCA)، ودالة الارتباط الذاتي (ACF)، وتحويل فورييه السريع (FFT)، وتحويل المويجات المنفصلة (DWT)، المستخدمة لاستخراج المعلومات الهيكلية الدورية ومتعددة المقاييس في الإشارات المتذبذبة.
في مرحلة معالجة البيانات المسبقة،أولًا، تُحذف العينات التي تحتوي على قيم مفقودة، وتُعاد معايرة الخصائص. علاوة على ذلك، ولمعالجة مشكلة عدم توازن توزيع الخصائص، تُستخدم طريقة إعادة أخذ العينات القائمة على التوزيع الإحصائي لتوليد بيانات اصطناعية وتخفيف التحيز، مما يُحسّن استقرار تدريب النموذج.
من حيث الإطار، يعتمد النموذج على إطار انحدار تجميعي مكدس، مع استخدام الغابة العشوائية، وانحدار التدرج المعزز، وانحدار ريدج كنماذج أساسية: يعمل النموذجان الأولان على تحسين أداء التنبؤ عن طريق تقليل التباين والتحيز على التوالي، بينما يعالج انحدار ريدج مشكلة الارتباط الخطي بين الميزات من خلال التنظيم. تُستخدم مخرجات النماذج الأساسية كمدخلات لتدريب نموذج انحدار شامل للدمج، مما يحسن القدرة العامة على التعميم ويقلل خطأ التنبؤ.
أثناء تدريب النموذج، استخدم الباحثون أيضًا البحث العشوائي جنبًا إلى جنب مع التحقق المتبادل لتحسين المعلمات الفائقة الرئيسية (مثل عدد الأشجار، والعمق الأقصى، ومعدل التعلم) للحصول على تكوين نموذج مستقر وعالي الأداء.
تم اختبار التعميم باستخدام 60 نجمًا فرديًا، وكانت جميع مؤشرات علم الزلازل النجمية R² > 0.77.
يتضمن التحقق التجريبي ثلاثة أجزاء: تدريب النموذج، وتقييم قدرة التعميم، والتنبؤ بالعينات الجديدة.
خلال مرحلة التدريب، اختار الباحثون عشوائيًا 583 نجمًا من أصل 643 نجمًا لبناء النموذج، وقسموها إلى مجموعتي تدريب واختبار بنسبة 8:2، وكرروا هذه العملية 100 مرة لتقليل تأثير العشوائية. أما النجوم الـ 60 المتبقية، فقد شكلت مجموعة اختبار مستقلة لتقييم قدرة النموذج على التعميم. إضافةً إلى ذلك، استُخدمت 251 عينة غير مصنفة للتنبؤ النهائي.
فيما يتعلق بعينات التدريب والاختبار،تبلغ قيمة R² للتنبؤ بالنموذج لـ ν(Aₘₐₓ) و νₘₐₓ و Δν 0.95 و 0.93 و 0.87 على التوالي، مع كون الخطأ النسبي لمعظم العينات أقل من 0.2.يُظهر تحليل أهمية الميزات أن دالة الارتباط الذاتي (ACF) هي الأكثر مساهمة، تليها تحويل فورييه السريع (FFT) ثم تحويل المويجات المنفصلة (DWT). كما تلعب بعض الميزات الإحصائية (مثل الالتواء والتفرطح) دورًا مهمًا. وتُشير منحنيات التعلم إلى أن النموذج يتقارب ويستقر، وأن تحسين المعلمات الفائقة فعال.
أظهر النموذج أداءً جيدًا في مجموعات اختبار مستقلة، حيث بلغت قيم معامل التحديد (R²) 0.91 و0.87 و0.77 للمعلمات الثلاث على التوالي، مما يدل على توافق عالٍ بين النتائج المتوقعة والقيم المرصودة. وأظهرت نتائج التجارب المتكررة تقلبات طفيفة، مما يشير إلى استقرار النموذج وقوته. وفي الختام، طبق الباحثون النموذج على 251 نجمًا غير مصنف، وحصلوا على معلمات زلزالية نجمية متوقعة. وقد وقعت النتائج عمومًا ضمن النطاق المعقول لنجوم دلتا سكيوتي.
خاتمة
عموماً، لا يُعدّ هذا العمل بديلاً عن أساليب علم الزلازل النجمية التقليدية، بل مكملاً لها: ففي ظل التراكم السريع للبيانات الرصدية واسعة النطاق، يحقق تنبؤاً فعالاً بالمعلمات من خلال أساليب تعتمد على البيانات، ثم يدمج ذلك مع نمذجة فيزيائية مفصلة لإجراء تحليل معمق. ويُعدّ هذا النهج ذا أهمية خاصة للأهداف ذات أنماط التذبذب المعقدة، مثل دلتا سكيوتي، التي يصعب توحيدها.
