Доктор Бонаменте опубликовал статью в журнале Monthly Notices of the Royal Astronomical Society, в которой представил оригинальный подход к распределению вероятностей, который может кардинально изменить способы интерпретации космологических данных.
Традиционно астрономы были плохими статистиками — мы любили придумывать статистику по ходу дела. Моя последняя статья — это новый метод учёта систематических ошибок. Она описывает новый способ распределения вероятностей, который раньше не приходил в голову никому. Это занудная тема, но имеет реальные последствия для выводов из наблюдений. Многие астрономы не знают математики достаточно хорошо, чтобы заниматься статистикой тщательно. Это сложно, потому что статистика — это тяжёлая математика в своей основе. Мало кто хочет тратить на неё лишнее время. Конечно, не все так считают
— Макс Бонаменте.
Это подтверждается успехом семинара под названием «Статистические методы для данных о событиях», который недавно провёл Университет Алабамы. Доктор Бонаменте и его коллега, доктор Линглинг Жао, доцент космической науки, организовали это мероприятие.
Целью семинара было обучить молодых учёных правильным статистическим методам для анализа и интерпретации данных, а также предоставить площадку для обмена последними достижениями в анализе данных о событиях между астрономами и исследователями из смежных областей.
Под «данными о событиях» понимаются совокупности отдельных событий — в астрономии это обычно световые фотоны, но также могут быть нейтрино или другие частицы. Эти события можно изучать с помощью статистических приложений в зависимости от местоположения (изображения), времени (например, кривые блеска) или энергии или длины волны (спектры). Событиями также могут быть ансамбли величин, например, гравитационные волны или скопления галактик, обнаруженные по измерениям реликтового излучения, которое является остывшим следом первого света, который мог свободно распространяться по Вселенной.
Родом из Италии, доктор Бонаменте переехал в США в 1997 году и является выпускником Университета Алабамы, где он получил степени магистра и доктора физики. Он разработал использование статистического метода, называемого методом Марковской цепи Монте-Карло (MCMC) для анализа космологических событий. MCMC — класс специальных алгоритмов, используемых в распределении вероятностей, математической функции, которая даёт вероятности возникновения различных возможных исходов для эксперимента.
Эти методы позволили анализировать данные быстрее и точнее. Сегодня машинное обучение повсюду в астрономии. Мы использовали MCMC для измерения постоянной Хаббла, например, что было большим делом в то время
— Макс Бонаменте.
Постоянная Хаббла — одно из самых важных чисел в космологии, потому что она говорит нам, как быстро расширяется Вселенная.
Астростатистика — будущее управления и анализа больших данных в астрономии, поскольку последние технологии производят огромное количество данных невероятной сложности. Задача анализа этих данных только растёт экспоненциально по мере развития новых средств сбора данных в радио-, микроволновом, инфракрасном, рентгеновском, гамма-лучевом, интерферометрическом и оптических приборах, которые потребуют новых статистических алгоритмов и методов, чтобы разобраться во всём этом.
Большинство астрономов или физиков не знают много теории вероятностей, не говоря уже о статистике. Задача учёного — быть осторожным и не поддаваться желанию найти великое новое открытие, когда его нет. Поэтому сочетание математики и астрономии — это естественное направление для меня
— Макс Бонаменте.
Для того чтобы популяризовать астростатистику среди астрономов и других заинтересованных лиц, доктор Бонаменте и его коллеги также создали сайт astrostatistics.org, где можно найти полезные ресурсы, такие как книги, статьи, программы, курсы и конференции по этой теме. Сайт также содержит ссылки на различные проекты и инициативы, связанные с астростатистикой, такие, как Astrostatistics and Astroinformatics Portal (ASAIP), International Astrostatistics Association (IAA), Center for Astrostatistics (Penn State University) и другие.
