现在，尼尔斯·波尔研究所(Niels Bohr Institute)的科学家们开发了一种无需对余辉进行分类就可以对所有GRB进行分类的方法。该小组由学士学位第一年领导。物理专业的学生约翰·博克·塞弗林(Johann Bock Severin)，克里斯汀·克拉格·耶斯珀森(Christian Kragh Jespersen)和乔纳斯·文瑟(Jonas Vinther)应用了机器学习算法对GRB进行分类。他们确定了多头GRB和短GRB之间的明确分隔。他们在查尔斯·斯坦哈特(Charles Steinhardt)的监督下开展的工作，将使天文学家更进一步地了解GRB。
到目前为止，只有大约1%的时间才能确定GRB的类型，当时望远镜能够足够迅速地指向爆炸位置以拾取残留的光，称为余辉。这是至关重要的一步，以至于天文学家已经建立了遍布全球的网络，能够在发现新的爆发后几分钟内中断其他工作并重新指向大型望远镜。LIGO天文台甚至利用引力波检测到一个GRB，该团队因此获得了2017年诺贝尔奖。
通过应用机器学习算法，哥本哈根大学尼尔斯波尔研究所的科学家们开发了一种方法，可以对所有伽马射线爆发(GRB)，遥远星系中的快速高能爆炸进行分类，而无需寻找余辉。目前对哪些GRB进行了分类。这一突破是由学士学位第一年开始的。学生，可能会成为最终发现这些神秘爆发的根源的关键。该结果现已发表在《天体物理学杂志快报》上。
使用机器学习算法实现突破
自从70年代冷战卫星意外捕获伽玛射线爆发(GRB)以来，这些快速爆发的起源一直是一个重大难题。尽管许多天文学家都同意GRB可以分为更短的爆发(通常少于1秒)和更长的爆发(长达几分钟)，，但这两组是重叠的。曾有人认为，较长的爆发可能与大质量恒星的坍塌有关，而较短的爆发可能由中子星的合并引起。但是，如果没有能力将这两个组分开并查明它们的属性，就不可能检验这些想法。