每年约10000颗超新星被发现,但只有约10%具有光谱信息,能用于分类。近期,一项发表于《天体物理学杂志》的研究为加快超新星的分类进程,设计了一种新算法软件。软件以Pan-STARRS1中深度巡天计划(Pan-STARRS1 Medium Deep Survey)所覆盖的2315颗超新星作为数据来源,利用人工智能深度学习其中500个已用传统光谱技术分类的超新星光变曲线“样本”,并以此为依据,对不具备光谱数据的超新星进行分类。新算法摆脱了光谱的限制,其准确度可达82%。智利的薇拉· 鲁宾天文台将于2023年上线这一软件,届时超新星数据量将达到目前的100倍,而新算法为扩展超新星数据负荷、提高数据处理效率打下了基础。