Нейросеть выявила 202 кандидата в пульсары среди загадочных источников Fermi-LAT

Международная группа астрофизиков разработала иерархическую нейросеть TabularResCNN для анализа неопознанных источников гамма-излучения, обнаруженных телескопом Fermi-LAT. Примерно треть объектов из каталога 4FGL до сих пор не имеет однозначной идентификации, что затрудняет изучение высокоэнергетического неба.

Традиционные методы машинного обучения, такие как деревья решений, обычно рассматривают спектральные характеристики как независимые параметры. Авторы учли последовательную структуру спектрального распределения энергии (SED), что позволило модели улавливать скрытые закономерности.

Разработанный алгоритм работает в два этапа: сначала он разделяет источники на активные ядра галактик (AGN) и пульсары (PSR), затем пульсары делит на молодые (YP) и миллисекундные (MSP). Для борьбы с дисбалансом классов применялась стратегия cost-sensitive learning, а для физической интерпретации решений — метод Grad-CAM.

Применение модели к 2563 неассоциированным источникам позволило идентифицировать 1136 AGN и 202 кандидата в пульсары с высокой вероятностью. Из них 166 отнесены к молодым пульсарам, 36 — к миллисекундным. Это увеличивает общую популяцию известных пульсаров более чем на 60%.

Полученные результаты хорошо согласуются с астрофизическими ожиданиями: молодые пульсары сосредоточены в галактической плоскости, миллисекундные пульсары распределены шире, а AGN изотропны по небу. Дополнительное подтверждение эффективности метода — все пять пульсаров, недавно открытых китайским телескопом FAST, были корректно распознаны нейросетью.

Исследование опубликовано на arXiv и дает новый инструмент для поиска пульсаров в данных Fermi-LAT, минимизируя пространственные смещения и опираясь на внутренние спектральные и временные свойства источников.