Нейросети точнее других ML-методов в эмуляции звёзд для астросейсмологии

Астрономы все чаще используют эмуляторы звёздной эволюции на основе машинного обучения. Эти суррогатные модели способны быстро и точно аппроксимировать сложные симуляции, что делает их мощным инструментом для определения характеристик звёзд, иерархического вывода и синтеза звёздных популяций.

В новой работе, представленной на arXiv, исследователи проанализировали, насколько плотной должна быть сетка моделей для надёжного эмулирования. Они обучили алгоритмы на моделях звёзд главной последовательности с массами от 0,7 до 1,2 солнечной. Этот диапазон сложен из-за резких изменений в поведении, связанных с переходом от лучистого к конвективному ядру, а также жёстких требований сейсмической точности на уровне тысячных долей процента, достигнутой телескопом NASA Kepler.

Исследователи сгенерировали сетки как из аналитических моделей, так и из таких кодов, как MESA, YREC, MIST и ASTEC. Сравнивались методы линейной интерполяции, k-ближайших соседей, случайных лесов и нейронных сетей при предсказании ключевых наблюдаемых параметров: эффективной температуры, светимости, параметра ?? (среднее частотное разделение) и ?_max (частота максимума колебаний).

Результаты показали, что нейронные сети превосходят остальные методы по точности. Однако на разреженных сетках они демонстрируют локальные сбои в области перехода ядра, что приводит к неустойчивым производным, разногласиям в ансамбле и фрагментированным апостериорным распределениям при инференсе.

Важно, что улучшение точности при добавлении новых моделей в сетку оказалось неравномерным. Это указывает на то, что адаптивная генерация сеток предпочтительнее равномерного сгущения, так как позволяет эффективнее распределять вычислительные ресурсы.

Кроме того, ансамбль нейронных сетей позволяет локализованно оценивать неопределённость прогноза, точнее отражая надёжность эмулятора в разных областях пространства параметров по сравнению с глобальными оценками неопределённости.

Авторы отмечают, что поскольку они рассматривали только двумерный случай с варьированием массы и возраста вдоль главной последовательности, полученные результаты представляют собой нижнюю границу сложностей, которые могут возникнуть при эмуляции звёздной эволюции для целей прецизионной астросейсмологии.