Als kristallen bollen voor de diepere mysteries van het universum, sterrenstelsels en andere massieve ruimtevoorwerpen kunnen dienen als lenzen voor verder weg gelegen objecten en fenomenen langs hetzelfde pad, licht op onthullende manieren buigen.

Gravitatielenzen werden meer dan 100 jaar geleden voor het eerst getheoretiseerd door Albert Einstein om te beschrijven hoe licht buigt wanneer het langs massieve objecten zoals sterrenstelsels en clusters van sterrenstelsels reist.

Deze lenseffecten worden doorgaans beschreven als zwak of sterk, en de sterkte van een lens heeft betrekking op de positie en de massa van een object en de afstand tot de lichtbron die wordt gelenzen. Sterke lenzen kunnen 100 miljard keer meer massa hebben dan onze zon, waardoor licht van verder weg gelegen objecten in hetzelfde pad wordt vergroot en gesplitst, bijvoorbeeld, in meerdere afbeeldingen, of om te verschijnen als dramatische bogen of ringen.

De belangrijkste beperking van sterke zwaartekrachtlenzen is hun schaarste, met slechts enkele honderden bevestigd sinds de eerste waarneming in 1979, maar dat verandert... en snel.

Een nieuwe studie door een internationaal team van wetenschappers onthulde 335 nieuwe sterke lenskandidaten op basis van een diepe duik in gegevens die zijn verzameld voor een door het Amerikaanse Department of Energy ondersteund telescoopproject in Arizona, het Dark Energy Spectroscopic Instrument (DESI). De studie, gepubliceerd op 7 mei in Het astrofysische tijdschrift , profiteerde van het winnende algoritme voor machine learning in een internationale wetenschapswedstrijd.

"Het vinden van deze objecten is als het vinden van telescopen ter grootte van een sterrenstelsel, " zei David Schlegel, een senior wetenschapper in de natuurkundeafdeling van het Lawrence Berkeley National Laboratory (Berkeley Lab's) die aan het onderzoek heeft deelgenomen. "Het zijn krachtige sondes van donkere materie en donkere energie."

Deze nieuw ontdekte gravitatielenskandidaten zouden specifieke markers kunnen bieden voor het nauwkeurig meten van afstanden tot sterrenstelsels in het oude universum als supernova's worden waargenomen en nauwkeurig worden gevolgd en gemeten via deze lenzen. bijvoorbeeld.

Sterke lenzen bieden ook een krachtig venster in het onzichtbare universum van donkere materie, die ongeveer 85 procent van de materie in het heelal uitmaakt, aangezien men denkt dat het grootste deel van de massa die verantwoordelijk is voor lenseffecten, donkere materie is. Donkere materie en de versnelde uitdijing van het heelal, gedreven door donkere energie, behoren tot de grootste mysteries die natuurkundigen proberen op te lossen.

In de laatste studie, onderzoekers schakelden Cori in, een supercomputer bij Berkeley Lab's National Energy Research Scientific Computing Center (NERSC), om automatisch beeldgegevens te vergelijken van de Dark Energy Camera Legacy Survey (DECaLS) - een van de drie onderzoeken die zijn uitgevoerd ter voorbereiding op DESI - met een trainingssteekproef van 423 bekende lenzen en 9, 451 niet-lenzen.

De onderzoekers hebben de kandidaat-sterke lenzen gegroepeerd in drie categorieën op basis van de waarschijnlijkheid dat ze zijn, in feite, lenzen:klasse A voor de 60 kandidaten die het meest waarschijnlijk lenzen zijn, Graad B voor de 105 kandidaten met minder uitgesproken kenmerken, en klasse C voor de 176 kandidaat-lenzen die zwakkere en kleinere lenskenmerken hebben dan die in de andere twee categorieën.

Xiaosheng Huang, de hoofdauteur van de studie, merkte op dat het team er al in is geslaagd tijd te winnen met de Hubble-ruimtetelescoop om enkele van de meest veelbelovende lenskandidaten te bevestigen die in het onderzoek zijn onthuld, met het observeren van de tijd op de Hubble die eind 2019 begon.

"De Hubble-ruimtetelescoop kan de fijne details zien zonder de vervagingseffecten van de atmosfeer van de aarde, ' zei Huang.

De lenskandidaten werden geïdentificeerd met behulp van een neuraal netwerk, dat is een vorm van kunstmatige intelligentie waarbij het computerprogramma wordt getraind om de beeldafstemming in de loop van de tijd geleidelijk te verbeteren om een ​​toenemend succespercentage te bieden bij het identificeren van lenzen. Geautomatiseerde neurale netwerken zijn geïnspireerd op het biologische netwerk van neuronen in het menselijk brein.

"Het duurt uren om het neurale netwerk te trainen, " Huang zei. "Er is een zeer geavanceerd aanpasmodel van 'Wat is een lens?' en 'Wat is geen lens?'"

Er was een nauwgezette handmatige analyse van lensafbeeldingen om uit tienduizenden afbeeldingen de beste afbeeldingen te kiezen om het netwerk te trainen, Huang merkte op. Hij herinnerde zich een zaterdag waarop hij de hele dag met studentenonderzoekers zat om tienduizenden afbeeldingen te doorzoeken om voorbeeldlijsten van lenzen en niet-lenzen te ontwikkelen.

"We hebben deze niet zomaar willekeurig geselecteerd, Huang zei. "We moesten deze set uitbreiden met met de hand geselecteerde exemplaren die op lenzen lijken maar geen lenzen zijn. " bijvoorbeeld, "en we hebben degenen geselecteerd die mogelijk verwarrend kunnen zijn."

Betrokkenheid van studenten stond centraal in het onderzoek, hij voegde toe. "De studenten werkten ijverig aan dit project en losten veel moeilijke problemen op, allemaal terwijl je een volle lading lessen volgt, " zei hij. Een van de studenten die aan de studie werkte, Christoffel Storfer, werd later geselecteerd om deel te nemen aan het DOE Science Undergraduate Laboratory Internship (SULI) -programma in Berkeley Lab.

Onderzoekers hebben het algoritme dat in de laatste studie werd gebruikt om de identificatie van mogelijke lenzen te versnellen, al verbeterd. Terwijl naar schatting 1 op de 10 000 sterrenstelsels werken als een lens, het neurale netwerk kan de meeste niet-lenzen elimineren. "In plaats van door 10 te gaan, 000 afbeeldingen om er een te vinden, nu hebben we nog maar een paar tientjes, " hij zei.

Het neurale netwerk is oorspronkelijk ontwikkeld voor The Strong Gravitational Lens Finding Challenge, een programmeerwedstrijd die liep van november 2016 tot februari 2017 en die de ontwikkeling van geautomatiseerde tools voor het vinden van sterke lenzen motiveerde.

Met een groeiend aantal observatiegegevens, en nieuwe telescoopprojecten zoals DESI en de Large Synoptic Survey Telescope (LSST) die nu gepland staat voor 2023, er is een felle concurrentie om deze gegevens te ontginnen met behulp van geavanceerde kunstmatige-intelligentietools, aldus Schlegel.

"Die concurrentie is goed, " zei hij. Een team in Australië, bijvoorbeeld, vond ook veel nieuwe lenskandidaten met een andere aanpak. "Ongeveer 40 procent van wat ze vonden, hebben we niet gevonden, " en ook de studie waaraan Schlegel deelnam, vond veel lenskandidaten die het andere team niet had.

Huang zei dat het team zijn zoektocht naar lenzen in andere bronnen van luchtbeeldgegevens heeft uitgebreid. en het team overweegt ook of het moet aansluiten op een bredere reeks computerbronnen om de jacht te versnellen.

"Het doel voor ons is om 1 000" nieuwe lenskandidaten, aldus Schlegel.

NERSC is een DOE Office of Science User Facility.

Deelnemers aan de studie waren onderzoekers van de Universiteit van San Francisco, Berkeley-lab, het National Optical Astronomy Observatory, Siena-college, de Universiteit van Wyoming, de Universiteit van Arizona, de Universiteit van Toronto en het Perimeter Institute for Theoretical Physics in Canada, en Université Paris-Saclay in Frankrijk.