首页 » 健康城市 >

暗能量望远镜使人们可以通过新的镜头看到宇宙

2021-10-19 10:50:00来源:

哈勃太空望远镜的这张影像显示了一个引力透镜(中心),该透镜首先在处理了地面空间影像的神经网络的帮助下被确定为候选透镜。镜头被人工上色并在此图像中圈出。

为暗能量望远镜项目收集的图像揭示了数百种新的重力透镜候选物。

像水晶球一样,星系和其他巨大的太空物体可以像透镜一样作用于更遥远的物体和沿同一路径的现象,从而以启发性的方式弯曲光线。

引力透镜是阿尔伯特·爱因斯坦(Albert Einstein)于100多年前首次提出的理论,用于描述光线穿过诸如星系和星系团之类的大物体时是如何弯曲的。

这些透镜效应通常被描述为弱或强,并且透镜的强度与物体的位置,质量以及距透镜光源的距离有关。强透镜的质量可能是太阳的1000亿倍,导致来自同一路径中距离较远物体的光放大并分裂为例如多个图像,或者显示为剧烈的弧形或环形。

强重力透镜的主要局限性在于它们的稀缺性,自1979年首次观测以来只有数百个得到证实,但这种变化是迅速而…迅速的。

一个国际科学家团队的一项新研究揭示了335个新的强透镜候选者,这些候选者基于对美国能源部支持的亚利桑那望远镜项目“暗能量光谱仪(DESI)”所收集数据的深入研究。该研究于2020年5月7日在《天体物理学杂志》上发表,得益于在国际科学竞赛中获奖的机器学习算法。

参与这项研究的劳伦斯·伯克利国家实验室(伯克利实验室)物理部门的资深科学家戴维·施莱格尔(David Schlegel)说:“发现这些物体就像找到一个像银河系的望远镜一样。”“它们是暗物质和暗能量的有力探测器。”

例如,如果观察到超新星并通过这些透镜精确跟踪和测量这些新发现的重力透镜候选物,它们可以为精确测量到古代宇宙中星系的距离提供特定的标记。

强透镜还提供了通往看不见的暗物质宇宙的强大窗口,暗物质占了宇宙物质的约85%,因为大多数负责透镜效应的物质被认为是暗物质。暗物质和由暗能量驱动的宇宙加速膨胀是物理学家正在努力解决的最大谜团。

在最新研究中,研究人员邀请伯克利实验室国家能源研究科学计算中心(NERSC)的超级计算机Cori自动比较来自暗能量相机传统调查(DECaLS)的成像数据(为准备DESI而进行的三项调查之一)训练样本为423个已知镜片和9,451个非镜片。

研究人员根据候选强透镜实际上是透镜的可能性将其分为三类:与其他两个类别相比,最有可能成为镜片的60个候选镜片为A级,具有较不明显特征的105个候选镜片为B级,与176个候选镜片具有较弱和较小的镜片特征,为B级。

该研究的主要作者黄晓生指出,该团队已经在哈勃太空望远镜上赢得了时间,以确认研究中揭示的一些最有希望的镜头候选人,并观察了从2019年底开始的哈勃太空望远镜的时间。

Huang说:“哈勃太空望远镜可以看到精细的细节,而不会模糊地球大气层的影响。”

研究中确定的候选镜头的地面空间图像(左)和确认镜头的哈勃太空望远镜图像(右)。

借助于神经网络来识别候选镜片,该神经网络是一种人工智能形式,其中训练计算机程序以随着时间的推移逐渐改善其图像匹配,以提高识别镜片的成功率。计算机化的神经网络受到人脑中神经元的生物网络的启发。

Huang说:“训练神经网络需要几个小时。”“有一个非常复杂的拟合模型:'什么是镜片?'和'什么不是镜片?'”

Huang指出,对镜头图像进行了一些艰苦的手动分析,以帮助从数以万计的图像中挑选出最佳图像来训练网络。他回忆起一个星期六,他与学生研究人员坐了一整天的时间,研究了成千上万张图像,以开发出镜片和非镜片的样品清单。

“我们不只是随机选择这些,”黄说。例如,“例如,我们必须用看起来像镜片但不是镜片的人工选择的例子来扩充此集合,并且“我们选择了可能令人困惑的那些例子。”

与最新的哈勃太空望远镜影像(黑白)并排比较时,彩色影像在研究中被确定为可能的引力透镜。

他补充说,学生的参与是这项研究的关键。他说:“学生们在这个项目上勤奋工作,解决了许多棘手的问题,同时全班上课。”克里斯托弗·斯托弗(Christopher Storfer)是从事这项研究的学生之一,后来被选中参加伯克利实验室的美国能源部科学本科实验室实习(SULI)计划。

研究人员已经对最新研究中使用的算法进行了改进,以加快识别可能的晶状体的速度。虽然估计每10,000个星系中有1个充当镜头,但神经网络可以消除大多数非镜头。他说:“现在我们只需要几十张图像,而不是遍历10,000张图像就可以找到一张。”

该神经网络最初是为2016年11月至2017年2月进行的编程竞赛-《强引力晶状体发现挑战》而开发的,该竞赛激发了自动工具的发展,以寻找结实的晶状体。

Schlegel表示,随着观测数据量的增长,以及新的望远镜项目(如DESI和现在计划于2023年启动的大型天气观测望远镜(LSST)),使用复杂的人工智能工具来挖掘这些数据的竞争日益激烈。

他说:“那场比赛很好。”例如,澳大利亚的一个团队也使用不同的方法找到了许多新的镜头候选人。“大约40%的人发现我们没有发现”,同样,施莱格尔(Schlegel)参与的研究发现了其他团队没有的许多令人眼花candidates乱的候选人。

黄说,该团队已经扩大了在其他天空影像数据来源中寻找镜头的搜索范围,并且该团队还在考虑是否要插入更广泛的计算资源中以加快搜寻速度。

施莱格尔说:“我们的目标是达到1,000名新的镜头候选人。”

参考:X. Huang,C。Storfer,V。Ravi,A。Pilon,M。Domingo,DJ Schlegel,S。Bailey,A。Dey,RR Gupta,D。Herrera撰写的“在DESI DECam传统调查中发现强引力透镜” ,S。Juneau,M。Landriau,D。Lang,A。Meisner,J。Moustakas,AD Myers,EF Schlafly,F。Valdes,BA Weaver,J。Yang和C.Yèche,2020年5月7日,《天体物理学杂志》。 DOI:
10.3847 / 1538-4357 / ab7ffb

NERSC是DOE科学用户设施办公室。