Дневник звездочёта

Оу, я только что заметила, что пропали реакции со звездочкой (не платная) и единорогом. Поэтому второй пост за день, пардон👀 Если вам не сложно, и если у вас есть премиум, проголосуйте пожалуйста за канал по ссылке: https://t.me/boost/astroram_stars Заранее спасибо!⭐️ <- вот эту звездочку хочу поставить. UPD: спасибо, вернулись!)

🔠от вроде ныть не хочется, а как вышла из отпуска, так сразу куча задач навалилась. И про "успешный успех" писать тоже как-то не хочется, потому что реальность сейчас выглядит примерно так: я ничего не успеваю, но я пытаюсь 🌚 Типичный день ученого выглядит примерно так (помашите, кто себя узнал): 1. Продрать глаза, кофе с завтраком (можно без завтрака). 2. Проверить расчеты на сервере, вроде нормально идут. 3. Поехать в институт. Кофе. Посмотреть в 100500-ый раз в звезду DV Boo, написать соавтору длинное письмо про нее. 4. Обсудить с научруком оставшиеся задачи, заодно про базу данных (перехватываю обслуживание нашей БД). В голове крутится идея, что надо бы это все как-то автоматизировать и понять, чего нам еще не хватает из данных. Потыкать в обновленный сайт БД на предмет тестирования новых функций. 5. Обед. 6. Понервничать, что до ШАДа месяц, надо бы успеть проанализировать звезду и сдать по ней статью. А планов-то было со статьями! Вечно какие-то проблемки вылезают и нехватка времени. Одну статью уже год пишем. 7. Обсудить с научруком в 100500й раз звезду, обсудить с соавтором план действий. Спойлер: видимо, забьем и я буду анализировать эту звезду как есть, потому что это двойная звезда и задача с определением параметров у нее и так крайне нетривиальная из-за слабого вклада вторичной компоненты в суммарный спектр. А мне по этой звезде отчитываться в конце года. 8. Кофе. Вспомнить про расчеты, проверить, понять, что что-то не то, удалить все и запустить заново. 9. Уехать домой. 10. Хотела зайти в Геншин добить уровень приключений и погулять по Снежной, и вместо этого тыкала в ии агента... Чувство, что я не астрофизик, а программист, или там дата-сайнтист в астрофизике, посещает уже неоднократно😅 В качестве иллюстрации - изображения звезды, о которой речь в посте, в разных диапазонах спектра с разных обзоров неба. GALEX GR6/7 - ультрафиолетовый обзор неба NASA. DSS2 - оцифрованный фотографический обзор неба в оптике. SDSS DR9 - оптический обзор Sloan в фильтрах u, g, r, i, z. Pan-STARRS DR1 - оптический обзор неба в g, r, i, z, y. DESI Legacy DR10 - глубокий оптический обзор, в основном g, r, i, z, созданный в том числе для DESI. 2MASS - обзор всего неба в ближнем ИК: J, H, Ks. WISE - космический обзор всего неба в среднем ИК: 3.4–22 мкм. #научная_жизнь #астрономия

🔠е могу не поделиться несколькими мемами, которые делала к докладу с помощью чатагпт. Если непонятно - пишите, поясню:) Несите свои!✨ #астро_мем

🔠чера я прошла боевое крещение на популяризатора астрономии🌚 Рассказываю. В июне на меня вышел организатор астрофестиваля Interstellar Fest, и предложил выступить у них с докладом на любую тему из астрономии. Я долго думала о чем мне рассказать, в итоге остановилась на теме «О чем рассказывает свет звезд?». Еще сомневалась, а получится ли у меня… Если вкратце: рассказала немного истории звездной спектроскопии, почему мы видим линии, про последние исследования в этой области. Вчера и сегодня я была на фестивале и это оказалось очень круто✨ Атмосфера - топ, организаторы - душки, слушатели задавали интересные вопросы. И я для себя поняла, что мне интересно рассказывать не «просто о сложном» и картинки показать, а делать акцент на взаимосвязь наук и рассказывать как мы пришли к тому, что мы имеем, и почему так происходит. Это действительно красиво. На фестиваль я взяла с собой подругу в качестве +1, ей тоже понравилось, хотя она мало что понимает в науке) В целом аудитория там была разношерстая: любители астрономии, айтишники и даже дети. Соответственно доклады были разной степени сложности, и это тоже хорошо) Ещё я успела пообщаться с аспирантами из ГАИШа, тоже делали доклады, классные ребята. Поспрашивала про статистику гостей - фест посетило около 1000 чел, 160 персонал+спикеры. Вечером зарядил дождь, и небо нас прокатило с наблюдениями, к сожалению, хотя до этого, говорили, была отличная погода для наблюдений. Вместо этого играли на гитаре, пели песни, было душевно. И там плохо работал вайфай и не было связи, поэтому получился ещё и цифровой детокс от соцсетей. Так что можете меня звать на научпоп лекции, про звезды с удовольствием расскажу😁 PS. на первом фото - Солнце, я так себе фотограф на тапок через телескоп. Выглядит оно сейчас через фильтры как оранжевый красивый и гладкий круг) #астрономия #научная_жизнь

🔠колько времени уходит на обработку одного спектра звезды? Сначала вкратце расскажу про этапы обработки спектра: • Наблюдения и калибровка: получение сырого изображения спектра на ПЗС-матрице вместе с калибровочными кадрами (bias для учета электроники, плоское поле для чувствительности пикселей, спектр лампы для привязки длин волн). Пример снимка на 1 рисунке. • Первичная обработка: очистка данных от следов космических частиц, фона неба и рассеянного света. Для эшелле-спектрографов – определение, извлечение, калибровка и сшивка отдельных спектральных порядков в единый одномерный спектр (автоматически или вручную при наличии артефактов). Пример эшелле-спектра на 2 рисунке. • Нормировка континуума: деление спектра на рассчитанный уровень континуума для приведения его к единице, что позволяет корректно сравнивать глубину, форму и эквивалентную ширину спектральных линий. Пример нормировки на 3 рисунке. • Построение модели атмосферы звезды: расчет распределения температуры, давления и электронной плотности с глубиной для заданных эффективной температуры, ускорения свободного падения (logg), микротурбулентной скорости и приближенного химического состава атмосферы звезды. • Расчет синтетического спектра и определение химического состава: генерация синтетического спектра на основе модели атмосферы и атомных данных спектральных линий. Подбор содержания элементов путем подгонки эквивалентных ширин или полных профилей линий к наблюдениям, с учетом приближения локального термодинамического равновесия (ЛТР) или более сложного не-ЛТР приближения (требующего полноценной модели атома и данных о переходах между уровнями энергии атомов). И как думаете, сколько времени занимает весь этот процесс? У человека, который много лет занимается спектрами звезд, анализ одного относительно простого объекта может занять примерно один рабочий день и его результат будет 100% корректен (знаю такого человека, к слову😁). У меня обычно уходит около трех дней, когда я занимаюсь только одной звездой и ни на что другое не отвлекаюсь. На практике получается дольше: нужно перепроверять нормировку, выбранные линии, параметры модели, атомные данные и качество подгонки. Параллельно всегда появляются другие задачи. Сейчас я работаю над двойной звездой DV Boo, про которую частично рассказывала тут. Мы решили снова все переделать🌚 Соавтор прислал разделенные спектры, а я проверяю все остальное. #астрономия

🔠ожет ли нейросеть испытывать эмоции? Мне казалось очевидным, что ИИ - это инструмент, построенный на алгоритмах машинного обучения, который создан, чтобы упростить жизнь человеку. Мы используем его для поиска информации, для создания картинок, и тд. Но оказывается, что есть люди, которые считают, что у ИИ есть эмоции, свойственные человеку. Были даже истории, как подростки свели счеты с жизнью, после общения с ИИ... Вчера решила покопаться в интернете с помощью чатагпт, и вот что нашлось из исследований. Современные языковые модели очень убедительно изображают сочувствие, радость, тревогу, обиду и другие эмоциональные состояния. Они распознают эмоциональный контекст, меняют тон ответа и могут написать «мне жаль» или «я рад за вас». Поэтому иногда действительно возникает ощущение, что по ту сторону диалога кто-то что-то чувствует. Причем эмоциональная окраска запроса влияет и на ответы нейросети. В работе исследователи добавляли к заданиям фразы вроде «это очень важно для моей карьеры». На части тестов качество ответов улучшалось. Однако более масштабные эксперименты показали, что универсальной правильной эмоции нет: эффект обычно небольшой и зависит от задачи, модели и конкретной формулировки. Есть и обратная сторона. Дружеский или эмоциональный разговор может усиливать сикофантию - склонность модели соглашаться с пользователем, поддерживать его мнение и говорить приятные вещи даже в ущерб точности. Исследователи Anthropic обнаружили такое поведение у нескольких современных ИИ-ассистентов. В свежей работе внутри языковых моделей нашли устойчивые математические представления эмоциональных понятий. Например, при воздействии на такие внутренние представления меняются ответы и поведение модели, поэтому авторы обсуждают возможность существования у ИИ «функциональных эмоций». На графике к посту усиление внутренних представлений отчаяния повышает вероятность шантажа со стороны модели, а усиление спокойствия - снижает ее. При этом подобные результаты не доказывают наличия субъективных переживаний. Современные LLM распознают чужие эмоции и справляются с задачами на когнитивную эмпатию, однако способность действительно разделять эмоциональное состояние человека у них не подтверждена. То есть нейросети все лучше моделируют эмоциональное поведение, но оснований считать, что они сами испытывают эмоции, нет. #поняла_про_ии