首页 » 新闻动态 >

使用人工智能加倍已知的重力镜片的数量

2021-12-21 10:59:28来源:

Desi遗留调查数据中发现的重力镜片的例子。

来自DESI(暗能谱仪)的数据传统成像调查显示出超过1200个新的重力镜片,大约加倍已知镜片的数量。使用在实际数据上培训的机器学习发现,这些翘曲和拉伸的遥远星系的图像提供了天文学家,提供了一种洪水的新目标,可以测量宇宙恒定的宇宙的基本属性,这描述了扩展宇宙。

天文学家寻求引力镜头利用机器学习检查被称为Desi遗留成像调查的庞大数据集,揭示了1210个新镜头。该数据在Cerro Tololo非洲美国天文台(CTIO)和基准峰国家天文台(KPNO),这是国家科学基金会的诺尔拉布的方案。雄心勃勃的Desi遗留成像调查刚刚有第九和最终数据发布。

自20世纪30年代以来在科学期刊中讨论,引力镜片是爱因斯坦的一般相对论的产品。该理论说,一种巨大的物体,例如一群星系,可以经过空间。在内的一些科学家(包括爱因斯坦)预测,这种超薄的翘曲可能是可观察到的,作为来自星系的前景集群的背景星系的光的拉伸和扭曲。镜头通常以前景星系和星系集群周围的弧形和条纹出现在图像中。

在Desi遗留调查数据中找到的引力镜头的示例。Desi-015.6763-14.0150中间的近乎完整的圆圈是背景星系的形象,在中心的红色星系中的重力翘曲(镜头)进入近乎完美的爱因斯坦戒指。

预计只有1个在10,000个大规模的星系中展示了强烈的引力透镜的证据,[1]并定位它们并不容易。引力镜片允许天文学家探索我们宇宙中最深刻的问题,包括暗物质的性质和霍布尔常数的价值,它定义了宇宙的扩张。对现在的使用引力镜头的主要限制已经是其中少数人。

“一个大规模的星系围绕它扭曲了空间,但通常你没有注意到这种效果。只有当银河系直接隐藏在巨型银河后面是一个可能的镜头,“旧金山大学的研究领先作者,”萧韵黄。“当我们在2018年开始这个项目时,只有大约300个确认的强镜头。”

在Desi遗留调查数据中找到的引力镜头的示例。Desi-090.9854-35.9683中有四套镜头图像,对应于四个不同的背景星系 - 从最外面的巨型红色弧到最亮的蓝色弧线,布置在四个同心圆上。所有这些都是严重扭曲的 - 或镜头 - 由橙色星系在非常的中心。

“作为Desi遗留调查中的联合领导者,我意识到这将是寻求引力镜头的完美数据集,”劳伦斯伯克利国家实验室(LBNL)的David Schlegel研究。“我的同事黄刚刚完成了在旧金山大学的机器学习的本科教学中教授本科级,我们共同实现这是将这些技术应用于寻求引力镜头的理想机会。”

镜头研究是可能的,因为来自Desi遗留成像调查的科学就绪数据,这是为了识别Desi操作的目标,并且刚刚释放第九和最终数据集。这些调查包括三个项目的独特混合,这些项目已经观察到夜空中的三分之一:黑暗能量相机传统调查(贴花),由VíctorMBlanco4米上的DOE建立的暗能照相机(DecaM)观察到智利Ctio的望远镜; Mayall Z-Band遗留调查(MZLS),[2]由尼古拉斯U.在KPNO的4米望远镜上的MayaC3相机;北京亚利桑那州的天空调查(低音)由亚利桑那大学拥有和经营的Bok 2.3米望远镜,并位于KPNO。

在Desi遗留调查数据中找到的引力镜头的示例。在Desi-010.8534-20.6214中间附近的两个红色条纹是重力镜头弧(“直线”弧) - 高度放大和拉伸的图像 - 背景星系。负责这种翘曲的引力镜片是统称,在直弧上方和下方的两种浓度的橙色星系。

“我们设计了从地上作为公共企业的遗产调查成像项目,以便任何科学家都可以使用,”来自NSF的Noillab的Arjun Dey学习学习。“我们的调查已经产生了超过一千多名的重力镜片,无疑有更多等待的发现。

Desi遗留成像调查数据通过Noillab的社区科学和数据中心(CSDC)的Astro数据实验室为天文社区服务。“为发现和探索提供科学就绪数据集是我们的使命的核心,”CSDC主任Adam Bolton表示。“Desi遗留成像调查是一个关键资源,可以使用天文社区来调查这些关键资源。”

分析数据,黄和团队在伯克利实验室使用国家能源研究科学计算机中心(NERSC)超级计算机。“Desi遗留成像调查对于这项研究来说绝对至关重要;不仅仅是望远镜,仪器和设施,还包括数据减少和源提取,“黄解释。“观察的广度和深度的组合是无与伦比的。”

在Desi遗留调查数据中找到的引力镜头的示例。Desi-220.4549 + 14.6891中心附近的四个相同的蓝色点是相同背景星系的四个图像(爱因斯坦交叉的示例)。该中心的红星系是负责创造这种幻影的引力镜头。

随着大量的科学就绪数据通过,研究人员转向一种被称为深度残留神经网络的机器学习。神经网络是计算算法,这些算法有些与人脑相当,并且用于解决人工智能问题。深度神经网络具有许多层,共同决定候选对象是否属于特定组。然而,为了能够这样做,必须培训神经网络以识别有问题的对象。[3]

现在,随着大量镜头候选人,研究人员可以进行新的宇宙学参数,例如霍布尔常数。关键是在背景星系中检测超新星,当由前景星系镜头时,将显示为多个光点。现在,天文学家知道哪些星系显示出强镜头的证据,他们知道在哪里搜索。新的设施如Vera C. Rubin天文台(目前正在智利建设并由Noirlab运营)将监测这样的物品作为其使命的一部分,允许任何超新星被其他望远镜迅速衡量。

本科生从一开始就在项目中发挥了重要作用。加州大学学生Andi Gu说:“我对项目的角色帮助我开发了几种技能,我认为是我未来的学术职业的关键。”

笔记

强烈的引力透镜是弧形或爱因斯坦环的形式易于看见的那些。频段意味着在红外线中取出的数据,以900nm的波长为中心。一个例子,想象一下试图训练人类谁从未见过夜空如何识别一颗明星。你必须描述某些特点:它很小,它很明亮,它是在黑暗的背景上。但是立刻有挑战。如果几颗星星在一起怎么办?如果天空有点多云怎么办?如果对象眨眼怎么了(所以不是一个星星,而是一架飞机)?很快就会清楚地清楚地定义一个清晰的规则来描述一个物体实际上非常困难。然而,任何看到夜空的人都将只是能够识别其他恒星一旦看到他们。这是人类非常擅长的事情,电脑在这方面非常糟糕。因此,必须培养高复杂的神经网络以识别所需的物体。

推荐:“在Desi遗留成像调查中发现了新的强烈引力镜头”的X. Huang,C. Storfer,A.Gu,V.Ravi,A. Pilon,W. Seu,R.Venguswamy,S. Banka,A. Dey, M. Landriau,D. Lang,A. Meisner,J.Moustakas,Ad Myers,R. Sajith,EF Schlafly和Dj Schlegel,2021年3月2日,The Astrophysical Neject.doi:
10.3847 / 1538-4357 / ABD62B

该团队由X. Huang(旧金山大学物理学和天文部),C. Storfer(旧金山大学物理学和天文学系),A.Gu(加州大学物理系,伯克利),V.Ravi(旧金山大学计算机科学系),A.Pilon(旧金山大学物理学和天文学系),W. seuu(伯克利大学物理学系),R. Venguswamy(加利福尼亚大学伯克利大学物理学部),S. Banka(加州大学伯克利大学),A. Dey(NSF的Noillab),M. Landriau(物理师,劳伦斯伯克利国家实验室),D 。郎(劳伦斯伯克利国家实验室的物理师;多伦多大学天文学与天体物理学系;周边理论物理学研究所,Waterloo),A. Meisner(NSF的Noillab),J. Moustakas(锡耶纳学院物理学和天文学系),广告迈尔斯(Dep艺术物理&天文学,怀俄明大学,R. Sajith(Calkeley大学物理系),E.F.F.Schlafly(NSF的诺里尔),以及D. J. Schlegel(物理师,劳伦斯伯克利国家实验室)。