Software die in de jaren negentig bij SRON is ontwikkeld voor verklarende berekeningen in het ruimteonderzoek, blijkt tijdloze waarde te hebben voor bredere wetenschap. De methode, gestoeld op het wiskundige werk van de 18e eeuwse Thomas Bayes, is nu bovendien een essentieel onderdeel van software voor de James Webb Space Telescope (JWST).
Mijlpaal in downloads
Gepensioneerd oud-collega Do Kester van SRON heeft met zijn pakket BayesicFitting de indrukwekkende grens van één miljoen downloads gepasseerd.
Wat is BayesicFitting?
Kesters software is een praktische tool bij het modelleren van gegevens. BayesicFitting berekent welk model het beste past bij meetgegevens. Maar de software helpt ook beter simuleren, door te berekenen welke van meerdere verklarende modellen het meest waarschijnlijk is.
BayesicFitting kan erg waardevol zijn in andere wetenschappelijke disciplines en voor machine learning. Het biedt meer dan 100 kant-en-klare klassen voor modellen en ‘fitters’, wat de drempel voor complexe Bayesiaanse berekeningen flink verlaagt.
Software pionier
BayesicFitting begon als een tool voor het analyseren van data van het door SRON geleide Nederlandse HIFI ver-infrarood instrument op de Herschel satelliet (2009).
Het werd in de jaren negentig geschreven in JAVA, destijds een heel nieuwe taal die met klassen werkte, en die identiek functioneerde op elk computerplatform.
Nuttige Bayesiaanse tool
Toen support voor deze missiesoftware stopte, zette Kester het om naar het modernere Python zodat het van nut kon blijven voor Bayesiaanse berekeningen. Daarna is het inmiddels meer dan een miljoen keer gedownload.
BayesicFitting is inmiddels een ‘affiliated package’ van Astropy, een standaardpakket dat veel sterrenkundigen gebruiken.