Veštačka inteligencija je izdvojila sedam snažnih kandidata za kvazarska gravitaciona sočiva iz više od 800.000 DESI spektra. Tim je obučio konvolucionu neuronsku mrežu na simuliranim kombinacijama stvarnih kvazara i udaljenih galaksija, a nakon vizuelne verifikacije identifikovano je sedam visokokvalitetnih kandidata — šest novih. Potvrda zahteva snimke veće rezolucije (npr. HST); ako se potvrde, ovi sistemi će pomoći u merenju masa galaksija i razumevanju zajedničkog rasta galaksija i njihovih supermasivnih crnih rupa.
AI Pronašla Sedam Retkih Kandidata Za Kvazarska Gravitaciona Sočiva Iz Više Od 800.000 Spektra
Simulated cosmic lenses trained a neural network to spot faint galaxy signals buried beneath brilliant quasars. (CREDIT: Shutterstock)
Veštačka inteligencija identifikovala je sedam visokokvalitetnih kandidata za kvazarska gravitaciona sočiva u skupu od preko 800.000 spektra kvazara prikupljenih u okviru DESI pregleda. Metoda zasnovana na mašinskom učenju ubrzava pronalaženje ovako retkih kosmičkih poravnanja i otvara nova vrata za proučavanje masa galaksija i rasta supermasivnih crnih rupa.
Legacy Survey images for each of the seven candidates. (CREDIT: The Astrophysical Journal)
Kako je to postignuto
Međunarodni tim istraživača obučio je konvolucionu neuronsku mrežu (CNN) koristeći realistične simulacije koje su kombinovale prave DESI spektre kvazara sa spektrom udaljenih galaksija. Te veštačke kombinacije sačuvale su varijabilnost i opservacioni šum prisutan u stvarnim podacima, učeći model da prepozna suptilne tragove pozadinske galaksije unutar sjaja kvazara.
Diagram of the full pipeline illustrating the sequence of steps used to identify quasar (QSO) lens systems in the DESI DR1 dataset. (CREDIT: The Astrophysical Journal)
Model je dodatno procenjivao crveni pomak pozadinskih galaksija i u testovima je preciznije rekonstruisao te vrednosti nego standardni DESI softver, posebno na opažanjima različitog kvaliteta.
Three grade A QSO–ELG lens candidates that only display [O II]. (CREDIT: The Astrophysical Journal)
Rezultati i ručna verifikacija
Nakon što je model pretražio kompletan skup od više stotina hiljada spektra, istraživači su dobili skraćenu listu od nekoliko stotina kandidata. Tim je potom vizuelno proverio te spektralne prikaze, tražeći jasne emisione linije pozadinske galaksije — naročito karakteristični [O II] duplet. Dodatne vodonične i kiseonične linije pojačale su poverenje u nekoliko slučajeva.
The two highest-SNR grade B QSO–ELG candidates with possible [O II] emission present. (CREDIT: The Astrophysical Journal)
"Kvazari su kao bebini snimci supermasivne crne rupe," rekao je Everett McArthur, vodeći autor studije i doktorant na The Ohio State University. "Razumevanje prelaza od kvazara do zrelih crnih rupa je ključno."
Na kraju su izdvojena sedam visokokvalitetnih kandidata; šest od njih predstavljaju nova otkrića, dok je jedan bio prijavljen i ranije drugim pristupom. Kandidati se nalaze na udaljenostima od oko 5 do 6 milijardi svetlosnih godina ili više.
Neizvesnosti i sledeći koraci
Jedan od sedam slučajeva ostaje nejasan: moguće je da susedna, bliža galaksija ulazi u polje merenja DESI-ja, pa će biti potrebno snimanje više rezolucije da se potvrdi da li se radi o istinskom gravitacionom sočivu. Tim planira da traži direktnu potvrdu pomoću instrumenata velike rezolucije u svemiru, na primer sa Hubble svemirskim teleskopom (HST).
Iako metoda znatno smanjuje broj spektra koje je potrebno ručno proveriti, nije bez grešaka: atmosferske emisije, problemi kalibracije i intrinzične karakteristike kvazara mogu davati lažne pozitivne rezultate. Vizuelne provere i dodatne kontrole kvaliteta uklonile su mnoge od tih slučajeva.
Zašto je ovo važno
Potvrda ovih kandidata povećala bi broj poznatih kvazarskih sočiva, što bi omogućilo statistički značajnija istraživanja. Takvi sistemi omogućavaju merenje mase prednje (foreground) galaksije i proučavanje kako rast galaksija korelira sa rastom njihovih centralnih supermasivnih crnih rupa tokom kosmičke istorije.
Rad demonstrira kako se AI i mašinsko učenje mogu praktično primeniti na velike astronomske baze podataka (milioni opažanja) i pomoći astronomima da fokusiraju skupe posmatračke resurse na najperspektivnije objekte. Rezultati istraživanja objavljeni su u časopisu The Astrophysical Journal.
Pomozite nam da budemo bolji.
