Астрономы использовали искусственный интеллект для обнаружения семи редких кандидатов в линзы квазаров.

• Искусственный интеллект позволил сузить круг из более чем 800 000 наблюдений квазаров до семи наиболее вероятных кандидатов на роль исключительно редкого типа гравитационной линзы.

• Система обучалась на смоделированных примерах, объединяющих реальные данные о квазарах и галактиках, после чего исследователи вручную проверяли наиболее перспективные результаты.

• Дальнейшие наблюдения должны подтвердить выдвинутые кандидаты, но этот метод может помочь астрономам изучить, как галактики и сверхмассивные черные дыры формировались вместе.

Из скопления более чем 800 000 квазаров поступило семь необычных сигналов, которые могут предоставить астрономам новые инструменты для измерения массы далеких галактик и отслеживания роста огромных черных дыр.

Международная исследовательская группа обнаружила кандидатов с помощью системы машинного обучения, обученной распознавать квазары, действующие как сильные гравитационные линзы.

Квазары — это чрезвычайно яркие галактические ядра, питаемые сверхмассивными черными дырами. Их яркость позволяет астрономам наблюдать за ними на огромных расстояниях, но она также может заглушать свет от окружающих их галактик.

Из-за этого блика трудно измерить размеры галактики-хозяина и изучить, как она развивалась вместе с чёрной дырой в её центре.

«Квазары — это как фотографии младенцев сверхмассивной черной дыры, — сказал Эверетт Макартур, ведущий автор исследования и аспирант-астроном в Университете штата Огайо. — Поэтому изучение того, как мы переходим от квазаров к этим черным дырам, действительно важно».

Редкое совпадение превратило квазар в линзу.

Сильное гравитационное линзирование — один из способов избежать бликов.

В таких системах квазар и его родительская галактика располагаются перед более далёкой галактикой. Гравитация галактики на переднем плане искривляет и усиливает свет галактики на заднем плане.

Астрономы могут использовать искажение для оценки массы галактики на переднем плане. Это дает еще один способ изучения галактики-хозяина, свет которой в противном случае было бы трудно отделить от света квазара.

Подобные совпадения встречаются крайне редко. Предыдущие исследования выявили лишь небольшое количество подтвержденных примеров и кандидатов, в результате чего у исследователей осталось слишком мало систем для проведения масштабных статистических исследований.

Команда провела дополнительные исследования, используя данные, полученные с помощью спектроскопического прибора для регистрации темной энергии (DESI). Этот прибор регистрирует спектры, которые разделяют свет объекта на длины волн, позволяющие определить его состав и движение.

Исследователи изучили более 800 000 высококачественных спектров квазаров, полученных с помощью DESI. Кандидаты находятся на расстоянии от 5 до 6 миллиардов световых лет и более от Земли.

Обнаружение дополнительных систем могло бы прояснить, как галактики и центральные черные дыры изменяются вместе на протяжении космического времени.

«Изучая тесную корреляцию между галактиками и черными дырами, мы могли бы понять, почему наша галактика устроена именно так, и, возможно, почему наша собственная черная дыра иногда находится в спящем состоянии», — сказал Макартур.

Имитация линз обучила нейронную сеть.

Недостаток известных линз квазаров создал проблему для системы искусственного интеллекта. Модели машинного обучения обычно нуждаются в большом количестве примеров для обучения.

Исследователи восполнили этот пробел, создав реалистичные имитационные линзы. Они объединили спектры реальных квазаров со спектрами более далёких галактик.

Эти смоделированные системы сохранили разнообразие и шум наблюдений, характерные для реальных данных DESI. Они также научили модель идентифицировать эмиссионные линии от фоновой галактики в спектре более яркого квазара.

Команда использовала сверточную нейронную сеть — тип искусственного интеллекта, предназначенный для распознавания тонких закономерностей в сложных данных.

В отличие от традиционных подходов, которые сначала пытаются смоделировать и вычесть свет квазара, нейронная сеть научилась распознавать комбинированные сигналы квазара на переднем плане и галактики на заднем плане.

«Этот метод позволил создать настолько впечатляющую симуляцию, что ИИ смог распознать тонкие различия между нормальными и аномальными квазарами с уникальными характеристиками», — сказал Макартур.

«Это доказывает, что наша архитектура смогла эффективно анализировать разнообразные спектры квазаров».

Модель также оценила красное смещение возможной фоновой галактики. Красное смещение измеряет, насколько свет объекта растянулся в сторону более длинных волн по мере расширения Вселенной.

Тесты показали, что система машинного обучения способна восстанавливать эти красные смещения точнее, чем стандартное программное обеспечение DESI, на основе наблюдений различного качества.

Экспертная комиссия сократила список до семи пунктов.

После обучения система выполнила поиск по всей коллекции квазаров и выявила несколько сотен возможных совпадений.

Затем исследователи вручную изучили сокращенный список. Они искали явные признаки более далекой галактики, особенно характерную пару линий излучения кислорода, известную как дублет [O II].

Дополнительные линии водорода и кислорода подтвердили правильность нескольких идентификаций.

В результате этого анализа было выявлено семь высококачественных кандидатов. Шесть из них ранее не были обнаружены, а один появился в ходе более раннего поиска с использованием другого метода.

Четыре кандидата содержали дополнительные эмиссионные линии помимо основного сигнала кислорода, что повышало уверенность в том, что их спектры включали свет от фоновых галактик.

Один случай остается менее определенным, поскольку в область, измеренную DESI, могла войти близлежащая галактика. Для определения того, является ли она настоящей линзой или посторонним соседним объектом, потребуются изображения с более высоким разрешением.

Эти семь систем по-прежнему остаются скорее кандидатами на роль гравитационных линз, чем подтвержденными объектами. Команда планирует получить прямое подтверждение с помощью мощных космических инструментов, таких как телескоп «Хаббл».

Масштабные исследования открывают возможности для редких открытий.

Исследование демонстрирует, как искусственный интеллект может помочь астрономам управлять огромными массивами данных, создаваемыми современными обсерваториями.

DESI содержит данные наблюдений миллионов астрономических объектов. Ручной анализ каждого спектра на предмет редких аномалий потребовал бы огромных временных затрат.

Машинное обучение может снизить эту нагрузку, направляя исследователей к той небольшой доле наблюдений, которые с наибольшей вероятностью могут содержать что-то необычное.

Этот подход не застрахован от ошибок. Атмосферное излучение, проблемы калибровки и особенности спектров квазаров могут имитировать сигналы далёкой галактики.

Исследователи обнаружили, что визуальная проверка и дополнительные меры контроля качества могут устранить многие из этих ложных срабатываний.

«Этот тип исследования вполне можно расширить, чтобы обнаружить множество редких аномалий в спектре», — сказал Макартур. «Мы живем в эпоху, когда наука внезапно стала доступнее, чем когда-либо, и применение ИИ в астрономии и методов машинного обучения к большим массивам данных является частью этого процесса».

Практические последствия исследования

Подтверждение существования семи кандидатов расширит число систем линзирования квазаров, доступных для детального изучения.

Увеличение выборки позволило бы астрономам измерить массы галактик в разные периоды космической истории. Эти измерения могли бы помочь проверить, насколько точно рост галактик соответствует развитию их центральных черных дыр.

Этот метод поиска также может быть применен к будущим спектроскопическим обзорам, содержащим миллионы наблюдений. Вместо того чтобы заменять астрономов, система поможет им выявлять наиболее перспективные объекты для тщательного изучения и дальнейшего наблюдения.

Его более широкая ценность может заключаться в поиске других редких сигналов, скрытых в больших наборах данных. При наличии подходящих обучающих примеров аналогичные модели могли бы искать необычные спектральные закономерности, которые традиционные алгоритмы обработки данных упускают из виду.

Для нынешних кандидатов решающим следующим шагом остается получение более четких изображений. До завершения этой работы семь объектов предоставляют многообещающие доказательства того, что искусственный интеллект может упростить обнаружение некоторых из самых редких астрономических выравниваний.

Результаты исследований доступны в электронном виде в журнале The Astrophysical Journal.

Оригинальная статья «Астрономы используют ИИ для обнаружения семи редких кандидатов в линзы квазаров» опубликована в издании The Brighter Side of News.

Похожие статьи

• Первый спутник с функцией самодиагностики на основе искусственного интеллекта запущен в космос.

• В глубоководном резервуаре содержится в триллионы раз больше воды, чем во всех океанах Земли вместе взятых.

• Ступень ракеты SpaceX Falcon 9 вот-вот столкнется с Луной 5 августа.

Нравятся такие позитивные истории? Подпишитесь на рассылку The Brighter Side of News .