De astronomische zoektocht naar kilonova's — de intense lichtuitbarstingen die volgen op de botsing van neutronensterren of een neutronenster met een zwart gat — is een race tegen de klok. Wanneer detectoren zwaartekrachtgolven waarnemen, blijft er vaak een uitgestrekt gebied aan de hemel over waar de bron zich kan bevinden. Om dit proces te versnellen, is het AI-framework MAGIKS ontwikkeld, dat de zoektocht transformeert naar een proces van 'query-conditioned gallery retrieval'.
Innovatieve multimodale technologie
Het systeem onderscheidt zich door een zogenaamd 'align-before-fuse' ontwerp. Hierbij worden parameters van de zwaartekrachtgolfbron en lokalisatiekaarten van de hemel geïntegreerd met optische lichtcurves en coördinaten. Volgens een technische publicatie op arxiv.org maakt het framework gebruik van een tijd-bewuste supervised contrastive objective om de onregelmatige aard van optische data te overbruggen en een initiële uitlijning tussen de verschillende databronnen te creëren.
Om de betrouwbaarheid van de resultaten te waarborgen, implementeert MAGIKS een techniek genaamd 'dual cross-attention'. Deze methode analyseert gelijktijdig de overeenkomst tussen de optische positie en de lokalisatie van de zwaartekrachtgolven, terwijl ook de relatie tussen de parameters van de golf en de evolutie van het waargenomen licht wordt getoetst. Meer details over deze architectuur zijn terug te vinden in de arxiv.org.
Significante verbetering in nauwkeurigheid
De effectiviteit van MAGIKS is getest met diverse datasets, waaronder simulaties van binaire neutronensterren en data van het Rubin Observatory. De resultaten laten een aanzienlijke sprong in prestaties zien ten opzichte van traditionele methoden. In tests met 5.000 potentiële kandidaten wist het systeem in 39,8% van de gevallen de juiste tegenhanger als eerste resultaat te identificeren. Ter vergelijking: methoden die uitsluitend op optische gegevens vertrouwden, behaalden slechts een score van 4,8%, terwijl ranking op basis van lokalisatie slechts in 0,2% van de gevallen succesvol was.
Bij het analyseren van de bekende gebeurtenis GW170817, waarbij gebruik werd gemaakt van gegenereerde observaties van het Rubin Observatory, behaalde MAGIKS een top-1 retrieval rate van 87,3%. Bovendien classificeerde het systeem 94,2% van de paren tussen zwaartekrachtgolven en optische signalen correct als wel of niet geassocieerd.
Wetenschappelijke impact en context
Het onderzoek is op 30 oktober 2026 ingediend door een team van Bingzhou Gao, Jingqi Zhang en anderen. De publicatie is opgenomen in de categorieën voor instrumentatie in de astronomie en hoogenergetische astrofysische fenomenen. De relevantie van dit werk werd onderstreept in de infn.it, waar het verscheen naast andere recente preprints over sterformatie en zwaartekrachtgolven.
De ontwikkeling van MAGIKS past in een bredere trend om de coördinatie tussen verschillende detectiemethoden in de astronomie te optimaliseren. Dit is cruciaal voor toekomstige multi-messenger observaties, waarbij data uit verschillende spectra worden gecombineerd om kosmische gebeurtenissen beter te begrijpen. De auteurs, die gebruikmaakten van software zoals PyTorch en HEALPix, concluderen dat de gevoeligheid van het systeem voor variaties in zwaartekrachtgolfparameters de effectiviteit van de matching-scores bevestigt. De nieuwste preprints in dit vakgebied zijn onder meer te vinden in de arxiv.org.