Lanciato nel 2008 il Fermi Large Area Telescope è attualmente il telescopio spaziale più importante per lo studio del cielo a raggi gamma ed è in grado di sorvegliare ogni giorno l’intero cielo ad alta sensibilità in orbita attorno alla Terra Terra ogni 96 minuti.
Grazie al Fermi Lat sono state scoperte finora più di seimila sorgenti di raggi gamma. Di queste il ∼ 60% sono galassie attive della classe blazar, ma il 50% circa sono elencate come Blazar Candidate of Uncertain type (Bcu), ovvero sorgenti senza una classificazione definitiva.
Il metodo tradizionale e rigoroso per classificare queste sorgenti incerte è l’analisi degli spettri ottici, ma questa analisi richiede molto tempo. Una soluzione più rapida al problema è l’utilizzo delle reti neurali. Una rete neurale artificiale (Artificial Neural Network, Ann), normalmente chiamata solo “rete neurale”, è un modello matematico/informatico di calcolo basato sulle reti neurali biologiche. Una rete neurale artificiale riceve segnali esterni su uno strato di nodi (unità di elaborazione) di ingresso, ciascuno dei quali è collegato con numerosi nodi interni, organizzati in più livelli. Ogni nodo elabora i segnali ricevuti e trasmette il risultato ai nodi successivi.
Il meccanismo di trasmissione delle informazioni è simile a quello biologico. Un gruppo di interconnessioni di informazioni costituite da neuroni artificiali e processi utilizzano un approccio di connessionismo di calcolo. Una rete neurale artificiale è un sistema adattivo che cambia la propria struttura in base a informazioni esterne o interne che scorrono attraverso la rete stessa durante la fase di auto apprendimento.
In termini pratici, le reti neurali sono strutture non-lineari di dati statistici, organizzate come strumenti di modellazione. Possono essere utilizzate per simulare relazioni complesse tra ingressi e uscite che altre funzioni analitiche non riescono a rappresentare.
Usando i dati di flusso dei fotoni gamma provenienti dal Fermi Lat, è stato possibile costruire un algoritmo in grado di classificare gli oggetti incerti. Il risultato è stato molto confortante, abbassando la percentuale di candidati incerti dal 50 all’11%, che rappresenta le sorgenti più lontane e quindi più debolmente rilevabili.
Questo studio è stato condotto da un team di astrofisici tra cui Graziano Chiaro dell’Iasf di Milano, in collaborazione con l’Università di Perugia e il Goddard Space Flight Center della Nasa.
