首次，（AI）在没有任何人类干预的情况下搜索、探测、确认、分类并宣布了超新星的发现。
一个国际科学家团队开发了一种名为 Bright Transient Survey Bot (BTSbot) 的新型人工智能工具，使用来自近 16,000 个来源的超过 140 万张图像来训练其机器学习算法。
西北大学报告称，新系统可以实现整个系统的自动化发现过程，不仅消除了人为错误，而且还大大提高了速度。
“最终，将人类从循环中移除可以为研究团队提供更多时间来分析他们的观察结果并提出新的假设来解释我们观察到的宇宙爆炸的起源，”说西北天文学家 Adam Miller，BTSbot 开发的主要研究人员之一。
“这极大地简化了对超新星的大型研究，”添加西北大学的天文学家纳比尔·雷赫姆图拉（Nabeel Rehemtulla）与米勒共同领导了这项开发工作，“帮助我们更好地了解恒星的生命周期以及超新星产生的元素（如碳、铁和金）的起源。”
BTSbot 在来自 Zwicky 瞬态设施的数据中检测到了新发现的名为 SN2023tyk 的超新星（ZTF），加利福尼亚州的一台机器人相机，每两天扫描一次北方的天空。
为了更直观地了解这一速度，ZTF 于 10 月 3 日对夜空中的宇宙爆炸进行了成像，BTSbot 于 10 月 5 日在 ZTF 的数据中发现了超新星。在与其他机器人仪器通信后，BTSbot 能够确认这一发现并对超新星进行分类。事件作为Ia型超新星，公开分享报告10月7日。
“ZTF 已经运行了六年，在此期间，我和其他人花费了 2,000 多个小时目视检查候选人并确定用光谱仪观察哪些候选人，”说来自加州理工学院 (Caltech) 的天文学家 Christoffer Fremling。
“将 BTSbot 添加到我们的工作流程中将使我们无需花时间检查这些候选人。”
尽管和，它们并不常见，也不太容易发现。 传统的探测方法依靠天文学家目视检查来自机器人望远镜的大量数据，这些望远镜不断扫描夜空以寻找新的光源。
“自动化软件向人类提供候选爆炸列表，人类花时间验证候选者并执行光谱观察，”米勒解释。
“我们只能通过收集其光谱——光源的分散光，揭示爆炸中存在的元素，才能明确地知道候选者是否真的是超新星。”
这是一个耗时的过程，估计天文学家只发现了宇宙中发生的所有超新星的一小部分。
BTSbot 自动询问另一个名为光谱能量分布机的机器人仪器（七）对潜在的超新星进行广泛的观测，以收集其光谱。 获得该光谱后，SEDM 将其发送至加州理工学院SNIAscore（由 Fremling 开发）对超新星进行分类。
对天文学家来说，因为他们可以用来。
“模拟性能非常出色，但除非你真正尝试，否则你永远不会真正知道它如何转化为现实世界。”说雷赫姆图拉。 “一旦 SEDM 的观察结果和 SNIascore 的自动分类结果出来，我们就感到如释重负。”
的能力更有效地发现新物体可以发现许多新的超新星。 BTSbot 可以让天文学家集中精力并提供有价值的见解。
“一旦一切都打开并正常工作，我们实际上什么都不做，”说雷赫姆图拉。 “我们晚上睡觉，早上，我们看到 BTSbot 和其他人工智能坚定不移地完成自己的工作。”
