Machine learning analysis of pulsar timing data
Atarca zaman verisinin makine öğrenmesi yöntemleri ile analizi
- Tez No: 708892
- Danışmanlar: PROF. DR. MUAMMER ALTAN ÇAKIR
- Tez Türü: Yüksek Lisans
- Konular: Astronomi ve Uzay Bilimleri, Fizik ve Fizik Mühendisliği, Astronomy and Space Sciences, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Fizik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Fizik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
1967'de doktora öğrencisi Jocelyn Bell ve danışmanı Antony Hewish tarafından radyo bandında atımlı ışıma yapmakta olan bir gökcismi keşfedildi. Bu, günümüze dek galaksimizde keşfedilen ve pulsar (atarca) olarak adlandırılan üç bin civarında benzer kaynağın ilk örneğiydi. Pulsarların hızlı dönen ve yüksek manyetik alana sahip nötron yıldızları olduğu anlaşılmıştır. Nötron yıldızları büyük kütleli yıldızların yaşamının sonunda çekirdeklerinin çökmesi ile oluşan çok yoğun nesnelerdir. Her pulsarın karakteristik bir atım şekli ve dönüş frekansı vardır. Pulsarların dönme frekansı çok hassas biçimde ölçülebilmektedir. Bu dönme frekanslarının zaman içinde küçüldüğü gözlenmektedir. Pulsarlar ışıdıkları enerjiyi dönme kinetik enerjilerinden devşirirler. Pulsarların bu enerji dönüşümünü hangi süreçlerle yaptıkları tam olarak anlaşılamamıştır. Öne çıkan bir modele göre atarcalar dönme kinetik enerjilerini manyetik dipol ışıması yolu ile ışımaya dönüştürürler. Bununla birlikte, genç atarcalar ile yapılan çalışmalar, MDR modelinin yetersiz kaldığını, yavaşlamaya yardımcı olan başka süreçlerin olması gerektiğine göstermektedir. Örneğin, yüksek enerjili parçacıkların atımı, dipol manyetik alanın zamanla büyümesi, pulsar manyetosferinin bir süpernova kalıntısı disk ile etkileşmesi, dipol ve dönme eksenleri arasındaki eğim açısının artması, ve kütleçekimsel dalga emisyonu gibi süreçler pulsarların yavaşlamasını etkileyebilecek mekanizmalar olarak önerilmiştir. Kimi pulsarların dönüş hızları ara sıra“sıçrama”adı verilen ani artışlar göstermekte sonrasında haftalar veya aylar içerisinde sönümlenmektedir. İlk keşfedildiklerinde bunların nötron yıldızının kabuğunun kırılması ile gerçekleşen“yıldız depremleri”oldukları düşünülmüştür. Bugün bu modelin ancak en küçük genlikli sıçramaları açıklayabileceği veya sadece asıl sıçrama nedenini tetikleyebilecek bir unsur olabileceği düşünülmektedir. Daha çok kabul gören bir görüşe göre sıçramaların asıl nedeni kabuk bölgesindeki süperakışkanın dinamiğidir. Kimi zaman bir sıçramanın sönümlenmesi tamamlanmadan yenisi gerçekleşmektedir. Sıçramaların varlığı pulsarların uzun dönemli spin evrimlerinin anlaşılmasını güçleştiren unsurlardan biridir. Tezin amacı makina öğrenmesi yöntemleriyle pulsarın spin evriminin anlaşılmasına katkıda bulunmaktır. Tez çalışması kapsamında, Crab ve Vela pulsarlarının uzun döneme yayılmış dönme frekans verileri kullanıldı. Bunlar, üzerinde en çok çalışılmış, en iyi bilinen iki pulsardır. Frekans, gözlemlerin zaman aralığı boyunca küçük bir kesir kadar değiştiğinden, verileri bir polinom fonksiyonuyla uydurarak temel eğilimi ortadan kaldırdık. Bu temel eğilimi verilerden çıkararak, dönme evriminin, sıçramalar gibi, karmaşık özelliklerini açıkça gösteren artıkları elde ettik. Artıkların evrimini yeniden üretmede iki makine öğrenimi yönteminin performansını test ettik. İlk yöntem doğrusal olmayan dinamik sistemlerin seyrek tanımlanması (SINDy) olarak adlandırılır. Bir zaman serisi verisi verildiğinde, SINDY adi diferansiyel denklemlerin yönetim sistemini tanımlayabilir. Böylece artıkların evrimi için temel denklemleri bulmak için bu yöntemi kullandık. SINDy yöntemi, denklemlerin mertebesi ve katsayıları hakkında bilgi verdi. Ayrıca, aynı veriye uzun kısa-süreli bellek (LSTM) yöntemi adı verilen bir yineleyen sinir ağı (RNN) mimarisini uyguladık. LSTM'in test verilerindeki sıçramaların gününü tahmin edebildiğini bulduk. Sonuçlar, SINDy ve LSTM uygulamalarının pulsarların spin evrimi ile ilgili çalışmalara katkı sağlayabileceğini ve gelecekte pulsarlar ilgili çalışmalarda daha fazla yer alabileceğini göstermektedir.
Özet (Çeviri)
In 1967, radio pulsations from a celestial body were discovered by a graduate student Jocelyn Bell and her advisor Antony Hewish. This was the first sample of about three thousand similar sources, called pulsars, to be discovered in our galaxy to date. It has been understood that pulsars are rapidly spinning, strongly magnetized neutron stars. Neutron stars are very dense objects formed by the collapse of the cores of massive stars at the end of their life. Each pulsar has its characteristic pulse shape and rotational frequency. The rotational frequency of pulsars can be measured very precisely. The rotation frequencies of pulsars are observed to decrease in time. Pulsars tap their radiative energy from their rotational kinetic energy. The mechanisms by which pulsars achieve this energy conversion is not well-understood. According to a prominent model, the pulsars convert their kinetic energy into radiation by emission of magnetic dipole radiation (MDR). However, studies with young pulsar data show that the MDR model does not fully explain the observations and there should be other mechanisms assisting the spin-down. The ejection of high-energy particles, the growth of the dipole magnetic field over time, interaction with a supernova debris disc, increasing inclination angle between the rotation and magnetic axis, and gravitational wave emission are some of the processes proposed to affect spin-evolution. Occasionally, some pulsars suffer sudden increases in their spin, also known as“glitches”which decay in the following weeks or months. When they were first discovered, it was thought that glitches result from the breaking of the crust and hence they were called“stellar quakes”. Today, it is conceived that this model can only account for the smallest glitches or that it could be a triggering mechanism for the main cause of the glitches. According to the more favoured view, the glitches are caused by the dynamics of the crustal superfluid. Sometimes a new glitch occurs before the previous glitch decayed. The presence of glitches in the pulsar data complicates the understanding of the spin evolution. The aim of the thesis is to contribute to the understanding of the spin evolution of pulsars by machine learning methods. To this end, long-term time-dependent spin frequency data of Crab and Vela pulsars are used. These are the two best-known pulsars that have been studied the most. Since the frequency changes by a small fraction throughout the time-span of the observations, we have eliminated the basic trend by fitting the data with a polynomial function. By subtracting this basic trend from the data, we obtained the residuals that clearly show the complicated features of spin evolution such as glitches. We tested the performance of two machine learning methods in reproducing the evolution of the residuals. The first method is called the sparse identification of nonlinear dynamics (SINDY). Given a time-series data, SINDY can identify the governing system of ordinary differential equations. We thus used this method to find the governing equations for the evolution of the residuals. The SINDy method gave information about the order of the equations and their coefficients. In addition, we used a recurrent neural network (RNN) architecture called long short-term memory (LSTM) method on the same data sets. We found that LSTM can predict the dates of glitches in the test data. The results show that SINDy and LSTM applications can contribute to the studies on the spin evolution of pulsars and may take place more in studies related to pulsars in the future.
Benzer Tezler
- Clustering analysis of young isolated neutron stars on p − ṗ space
Genç izole nötron yıldızlarının p − ṗ parametre uzayında kümeleme analizi
FAHRETTİN AY
Yüksek Lisans
İngilizce
2019
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
PROF. DR. KAZIM YAVUZ EKŞİ
- Crop classification with polarimetric synthetic aperture radar images: Comparative analysis
Polarimetrik sentetik açıklıklı radar görüntüleri ile ürün deseni sınıflandırması: Karşılaştırmalı analiz
MUSTAFA ÜSTÜNER
Doktora
İngilizce
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. FÜSUN BALIK ŞANLI
DOÇ. DR. GÖKHAN BİLGİN
- Multi-output regressions for estimating crop's biophysical parameters from polsar data
Ekın biyofiziksel parametrelerinin çok hedefli regresyon analizleri ile kestirimi
ZEHRA MELTEM ŞAHİN
Yüksek Lisans
İngilizce
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
DR. ÖĞR. ÜYESİ GÜLŞEN TAŞKIN KAYA
- Machine learning analysis of photocatalytic CO2 reduction on perovskite materials
Perovskit materyaller üzerinde CO2 fotokatalitik indirgenmenin yapay öğrenme yöntemler ile analizi
İREM GÜLÇİN ZIRHLIOĞLU
Yüksek Lisans
İngilizce
2023
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN YILDIRIM
- Ailevi Akdeniz Ateşi'nde kolşisin tedavisinin makine öğrenmesi analizi
Machine learning analysis of colchicine treatment in Familial Mediterranean Fever
MUHAMMET İKBAL YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİM CEYHAN