Фонд «Интеллект»
Фонд «Интеллект»
В астрофизике состав звезд рассчитывают, используя такие фундаментальные параметры спектральных линий как вероятности переходов и их ударные штарковские параметры. База данных последних составляет несколько десятков тысяч вариантов, а теоретические и экспериментальные способы их расчета трудозатраты и имеют ряд ограничений.
Научные сотрудники кафедры лазерной химии химического факультета МГУ предложили использовать методы машинного обучения для предсказания штарковских параметров любых переходов, для которых известны конфигурации верхнего и нижнего уровней. Они разработали модель, которая предсказывает параметры спектральных линий с точностью, близкой к экспериментальной, и учитывает их зависимость от температуры.
Результаты исследования представлены в старейшем астрономическом журнале Monthly Notices of the Royal Astronomical Society (MNRAS). Исследование проведено при поддержке Некоммерческого фонда развития науки и образования «Интеллект».
Кроме того, химики МГУ в более новых версиях добавили возможность получать предсказания не только для спектральных линий нейтральных атомов, но и для линий положительно заряженных ионов. Это ценно как само по себе, поскольку даже в спектрах низкотемпературной плазмы часто встречаются линии ионов, так и позволяет расширить потенциал применения данных для более высокотемпературной плазмы.
Поскольку в литературе число точно измеренных параметров для ионов больше, чем для атомов, то объединение баз с ионами и атомами и, соответственно, адаптация моделей для работы с обоими типами частиц существенно повысили точность предсказания.
«Результаты предсказаний моделью StarkML полезны в тех задачах, где требуется определение температуры и электронной плотности плазмы. А это могут быть и астрономические задачи по уточнению состава или характеристик звезд, и задачи по диагностике плазмы в лабораторных условиях. За счет того, что в более новых версиях StarkML мы добавили возможность получать предсказания для линий многократно заряженных ионов, потенциал применения тоже расширился от низкотемпературной плазмы (5000-10000 К) до высокотемпературной, в которой существуют ионы с зарядами до +7, а для спектральных линий таких ионов тоже требуется знать параметры уширения»,- рассказывает автор исследования Александр Закускин.
На аргентинской конференции LIBS2024, которая посвящена лазерно-индуцированной плазме, акцент будет сделан на том, как результаты предсказания параметров уширения линий могут помочь в теоретическом термодинамическом моделировании плазмы и на том, как можно сравнивать экспериментальные результаты измерения параметров в лаборатории с результатами предсказания методами машинного обучения.
Созданная модель StarkML размещена для свободного использования на облачной платформе GitHub. На данный момент доступна версия, которую нужно запускать на языке Python, но она уже имеет базовый интерфейс для выбора интересующих условий и подключения к основной базе спектральных линий NIST Atomic Spectra Database. Чуть позже станет доступна версия, интегрированная в онлайн-версию термодинамической модели для спектров плазмы.
