-
Künstliche Intelligenz hat mehr als 800.000 Quasarbeobachtungen auf die sieben wahrscheinlichsten Kandidaten für eine außergewöhnlich seltene Art von Gravitationslinse eingegrenzt.
-
Das System wurde anhand simulierter Beispiele trainiert, die reale Daten über Quasare und Galaxien kombinierten. Anschließend überprüften die Forscher manuell die vielversprechendsten Ergebnisse.
-
Weitere Beobachtungen müssen die Kandidaten bestätigen, aber die Methode könnte Astronomen helfen zu untersuchen, wie Galaxien und supermassereiche Schwarze Löcher gemeinsam entstanden sind.
Aus einer Gruppe von mehr als 800.000 Quasaren sind sieben ungewöhnliche Signale hervorgegangen, die Astronomen neue Möglichkeiten eröffnen könnten, die Masse ferner Galaxien zu messen und das Wachstum riesiger Schwarzer Löcher zu verfolgen.
Ein internationales Forschungsteam entdeckte die Kandidaten mithilfe eines maschinellen Lernsystems, das darauf trainiert wurde, Quasare zu erkennen, die als starke Gravitationslinsen wirken.
Quasare sind extrem helle Galaxienkerne, die von supermassereichen Schwarzen Löchern angetrieben werden. Ihre Helligkeit ermöglicht es Astronomen, sie aus enormen Entfernungen zu beobachten, kann aber auch das Licht umliegender Galaxien abschwächen.
Dieses grelle Licht erschwert es, die Größe der Wirtsgalaxie zu messen und zu untersuchen, wie sie sich zusammen mit dem Schwarzen Loch in ihrem Zentrum entwickelt hat.
«Quasare sind wie Babyfotos von supermassereichen Schwarzen Löchern», sagte Everett McArthur, Hauptautor der Studie und Doktorand der Astronomie an der Ohio State University. „Deshalb ist es wirklich wichtig zu erforschen, wie Quasare zu diesen Schwarzen Löchern gelangen.“.
Bilder aus dem Legacy Survey-Projekt für jeden der sieben Kandidaten. (Quelle: The Astrophysical Journal)
Ein seltener Zufall hat einen Quasar in eine Linse verwandelt.
Starke Gravitationslinsen sind eine Möglichkeit, Blendung zu vermeiden.
In solchen Systemen befinden sich der Quasar und seine Wirtsgalaxie vor einer weiter entfernten Galaxie. Die Gravitation der Vordergrundgalaxie lenkt das Licht der Hintergrundgalaxie ab und verstärkt es.
Astronomen können die Verzerrung nutzen, um die Masse der Vordergrundgalaxie abzuschätzen. Dies bietet eine weitere Möglichkeit, die Wirtsgalaxie zu untersuchen, deren Licht sich andernfalls nur schwer von dem des Quasars unterscheiden ließe.
Derartige Koinzidenzen sind äußerst selten. Bisherige Studien haben nur eine geringe Anzahl bestätigter Beispiele und Kandidaten identifiziert, sodass Forschern zu wenige Systeme für groß angelegte statistische Untersuchungen zur Verfügung stehen.
Das Team führte zusätzliche Studien mit Daten durch, die mit dem Dark Energy Spectroscopic Instrument (DESI) gewonnen wurden. Dieses Instrument zeichnet Spektren auf, die das Licht eines Objekts in seine Wellenlängen zerlegen und es uns ermöglichen, seine Zusammensetzung und Bewegung zu bestimmen.
Forscher untersuchten über 800.000 hochauflösende Spektren von Quasaren, die mit DESI aufgenommen wurden. Die Kandidaten befinden sich in Entfernungen von 5 bis 6 Milliarden Lichtjahren oder mehr von der Erde.
Die Entdeckung weiterer Systeme könnte Aufschluss darüber geben, wie sich Galaxien und zentrale Schwarze Löcher im Laufe der kosmischen Zeit gemeinsam entwickeln.
Schematische Darstellung der gesamten Datenverarbeitungspipeline, die die Abfolge der Schritte zur Identifizierung von Quasar-Linsensystemen (QSOs) im DESI DR1-Datensatz veranschaulicht. (Quelle: The Astrophysical Journal)
«Durch die Untersuchung der engen Korrelation zwischen Galaxien und Schwarzen Löchern könnten wir verstehen, warum unsere Galaxie so strukturiert ist, wie sie ist, und vielleicht auch, warum unser eigenes Schwarzes Loch manchmal inaktiv ist», sagte McArthur.
Die simulierten Linsen wurden zum Training des neuronalen Netzes verwendet.
Das Fehlen bekannter Quasarlinsen stellt ein Problem für Systeme der künstlichen Intelligenz dar. Modelle des maschinellen Lernens benötigen typischerweise eine große Anzahl von Trainingsbeispielen.
Diese Lücke schlossen die Forscher, indem sie realistische simulierte Linsen erstellten. Sie kombinierten die Spektren realer Quasare mit denen weiter entfernter Galaxien.
Diese simulierten Systeme bewahrten die Vielfalt und das Rauschen der Beobachtungen, die für reale DESI-Daten charakteristisch sind. Sie trainierten das Modell außerdem darin, Emissionslinien der Hintergrundgalaxie im Spektrum des helleren Quasars zu identifizieren.
Das Team nutzte ein Convolutional Neural Network, eine Art künstlicher Intelligenz, die entwickelt wurde, um subtile Muster in komplexen Daten zu erkennen.
Im Gegensatz zu herkömmlichen Ansätzen, bei denen zunächst versucht wird, das Licht des Quasars zu modellieren und zu subtrahieren, lernte das neuronale Netzwerk, die kombinierten Signale des Quasars im Vordergrund und der Galaxie im Hintergrund zu erkennen.
«Diese Methode erzeugte eine so beeindruckende Simulation, dass die KI in der Lage war, subtile Unterschiede zwischen normalen und anomalen Quasaren mit einzigartigen Eigenschaften zu erkennen», sagte McArthur.
Drei Kandidaten für QSO–ELG-Linsen der Klasse A, die ausschließlich [O II] zeigen. (Quelle: The Astrophysical Journal)
«Dies beweist, dass unsere Architektur in der Lage war, ein breites Spektrum an Quasarspektren effektiv zu analysieren.».
Das Modell schätzte auch die Rotverschiebung der möglichen Hintergrundgalaxie. Die Rotverschiebung misst, wie stark das Licht eines Objekts durch die Expansion des Universums zu längeren Wellenlängen hin gedehnt wurde.
Tests zeigten, dass das System für maschinelles Lernen in der Lage war, diese Rotverschiebungen genauer zu rekonstruieren als die Standard-DESI-Software, basierend auf Beobachtungen von unterschiedlicher Qualität.
Die Expertenkommission hat die Liste auf sieben Punkte eingegrenzt.
Nach dem Training durchsuchte das System die gesamte Sammlung von Quasaren und identifizierte mehrere hundert mögliche Übereinstimmungen.
Anschließend untersuchten die Forscher die reduzierte Liste manuell. Sie suchten nach verräterischen Anzeichen einer weiter entfernten Galaxie, insbesondere nach einem charakteristischen Paar von Sauerstoffemissionslinien, dem sogenannten [O II]-Dublett.
Zusätzliche Wasserstoff- und Sauerstofflinien bestätigten die Richtigkeit mehrerer Identifizierungen.
Diese Analyse identifizierte sieben hochwertige Kandidaten. Sechs davon waren zuvor noch nicht entdeckt worden, und einer ergab sich aus einer früheren Suche mit einer anderen Methode.
Es wurden zwei Kandidaten für B-Klasse-Quasonen gefunden, die die höchste Supernova-Überrestleistung aufweisen und möglicherweise [O II] emittieren. (Quelle: The Astrophysical Journal)
Bei vier Kandidaten wurden zusätzliche Emissionslinien jenseits des Hauptsauerstoffsignals nachgewiesen, was die Annahme bestärkte, dass ihre Spektren auch Licht aus Hintergrundgalaxien enthielten.
Ein Fall ist noch nicht ganz geklärt, da möglicherweise eine nahegelegene Galaxie in den von DESI gemessenen Bereich eingetreten ist. Um festzustellen, ob es sich um eine echte Gravitationslinse oder ein unabhängiges nahes Objekt handelt, sind höher auflösende Bilder erforderlich.
Diese sieben Systeme gelten weiterhin als Kandidaten für Gravitationslinsen, nicht aber als bestätigte Objekte. Das Team plant, mithilfe leistungsstarker Weltrauminstrumente wie dem Hubble-Weltraumteleskop eine direkte Bestätigung zu erhalten.
Groß angelegte Forschungsprojekte eröffnen Möglichkeiten für seltene Entdeckungen.
Die Studie zeigt, wie künstliche Intelligenz Astronomen bei der Bewältigung der riesigen Datenmengen helfen kann, die von modernen Observatorien erzeugt werden.
DESI enthält Beobachtungsdaten von Millionen astronomischer Objekte. Die manuelle Analyse jedes Spektrums auf seltene Anomalien wäre enorm zeitaufwändig.
Maschinelles Lernen kann diese Belastung verringern, indem es die Forscher zu dem kleinen Anteil der Beobachtungen führt, die mit hoher Wahrscheinlichkeit etwas Ungewöhnliches enthalten.
Dieser Ansatz ist nicht fehlerfrei. Atmosphärische Strahlung, Kalibrierungsprobleme und Besonderheiten von Quasarspektren können Signale einer fernen Galaxie vortäuschen.
Forscher haben herausgefunden, dass durch visuelle Inspektion und zusätzliche Qualitätskontrollmaßnahmen viele dieser falsch positiven Ergebnisse beseitigt werden können.
«Diese Art von Studie könnte durchaus ausgeweitet werden, um eine breite Palette seltener Spektralanomalien zu entdecken», sagte MacArthur. «Wir leben in einem Zeitalter, in dem Wissenschaft plötzlich zugänglicher denn je geworden ist, und die Anwendung von KI in der Astronomie und von Methoden des maschinellen Lernens auf große Datensätze ist Teil dieses Prozesses.».
Praktische Implikationen der Studie
Die Bestätigung der Existenz der sieben Kandidaten wird die Anzahl der für detaillierte Untersuchungen verfügbaren Quasar-Linsensysteme erweitern.
Eine größere Stichprobe würde es Astronomen ermöglichen, die Massen von Galaxien in verschiedenen Epochen der kosmischen Geschichte zu messen. Diese Messungen könnten dazu beitragen, zu überprüfen, wie genau das Wachstum von Galaxien mit der Entwicklung ihrer zentralen Schwarzen Löcher korrespondiert.
Diese Suchmethode könnte auch bei zukünftigen spektroskopischen Durchmusterungen mit Millionen von Beobachtungen Anwendung finden. Anstatt Astronomen zu ersetzen, wird das System ihnen helfen, die vielversprechendsten Objekte für genauere Untersuchungen und weitere Beobachtungen zu identifizieren.
Der größere Nutzen könnte darin liegen, weitere seltene Signale in großen Datensätzen aufzudecken. Mit geeigneten Trainingsbeispielen könnten ähnliche Modelle ungewöhnliche Spektralmuster erkennen, die herkömmlichen Datenverarbeitungsalgorithmen entgehen.
Für die aktuellen Kandidaten bleibt der entscheidende nächste Schritt die Gewinnung schärferer Bilder. Bis dahin liefern sieben Objekte vielversprechende Hinweise darauf, dass künstliche Intelligenz die Erkennung einiger der seltensten astronomischen Konstellationen vereinfachen kann.
Die Forschungsergebnisse sind elektronisch im The Astrophysical Journal verfügbar.
Der Originalartikel mit dem Titel «Astronomen nutzen KI, um sieben seltene Quasar-Linsenkandidaten zu entdecken» wurde von The Brighter Side of News veröffentlicht.
Verwandte Artikel
-
Der erste Satellit mit einer auf künstlicher Intelligenz basierenden Selbstdiagnosefunktion wurde ins Weltall befördert.
-
Das Tiefseereservoir enthält Billionen Mal mehr Wasser als alle Ozeane der Erde zusammen.
-
Die erste Stufe einer SpaceX Falcon 9-Rakete soll am 5. August auf dem Mond aufschlagen.
Gefallen Ihnen solche positiven Geschichten? Abonnieren Sie Der Newsletter „Die hellere Seite der Nachrichten“ .