Met behulp van machine learning technieken, een team van astronomen heeft een dozijn quasars ontdekt die zijn vervormd door een natuurlijk voorkomende kosmische "lens" en opgesplitst in vier vergelijkbare afbeeldingen. Quasars zijn extreem lichtgevende kernen van verre sterrenstelsels die worden aangedreven door superzware zwarte gaten.

In de afgelopen vier decennia is astronomen hadden ongeveer 50 van deze "viervoudig afgebeelde quasars, " of kortweg quads, die optreden wanneer de zwaartekracht van een enorm sterrenstelsel dat toevallig voor een quasar zit, zijn enkele afbeelding in vier splitst. De laatste studie, die slechts anderhalf jaar duurde, verhoogt het aantal van deze bekende quads met ongeveer 25 procent en demonstreert de kracht van machine learning om astronomen te helpen bij hun zoektocht naar deze kosmische eigenaardigheden.

"De quads zijn goudmijnen voor allerlei vragen. Ze kunnen helpen bij het bepalen van de uitdijingssnelheid van het universum, en help andere mysteries aan te pakken, zoals donkere materie en quasar 'centrale motoren, '" zegt Daniël Stern, hoofdauteur van de nieuwe studie en een onderzoekswetenschapper bij het Jet Propulsion Laboratory, die wordt beheerd door Caltech voor NASA. "Het zijn niet zomaar spelden in een hooiberg, maar Zwitserse zakmessen omdat ze zo veel toepassingen hebben."

De bevindingen, gepubliceerd worden in Het astrofysische tijdschrift , werden gemaakt door machine learning-tools te combineren met gegevens van verschillende grond- en ruimtetelescopen, inclusief de Gaia-missie van het Europees Ruimteagentschap; NASA's Wide-field Infrared Survey Explorer (of WISE); WM Keck Observatorium op Maunakea, Hawaii; Caltech's Palomar Observatorium; de New Technology Telescope van de European Southern Observatory in Chili; en de Gemini South-telescoop in Chili.

Kosmologisch dilemma

In recente jaren, er is een discrepantie ontstaan ​​over de precieze waarde van de uitdijingssnelheid van het universum, ook wel de constante van Hubble genoemd. Twee primaire middelen kunnen worden gebruikt om dit aantal te bepalen:de ene is gebaseerd op metingen van de afstand en snelheid van objecten in ons lokale universum, en de andere extrapoleert de snelheid van modellen die zijn gebaseerd op verre straling die is overgebleven na de geboorte van ons universum, de kosmische microgolfachtergrond genoemd. Het probleem is dat de cijfers niet overeenkomen.

"Er zijn mogelijk systematische fouten in de metingen, maar dat lijkt steeds minder waarschijnlijk, " zegt Stern. "Aanlokkelijker, de discrepantie in de waarden zou kunnen betekenen dat er iets mis is met ons model van het universum en dat er nieuwe fysica te ontdekken is."

De nieuwe quasar quads, die het team bijnamen gaf zoals Wolf's Paw en Dragon Kite, zal helpen bij toekomstige berekeningen van de Hubble-constante en kan verhelderen waarom de twee primaire metingen niet op één lijn liggen. De quasars liggen tussen de lokale en verre doelen die voor de vorige berekeningen zijn gebruikt, dus geven ze astronomen een manier om het tussenliggende bereik van het universum te onderzoeken. Een quasar-gebaseerde bepaling van de constante van Hubble zou kunnen aangeven welke van de twee waarden correct is, of, misschien interessanter, zou kunnen aantonen dat de constante ergens tussen de lokaal bepaalde en verre waarde ligt, een mogelijk teken van voorheen onbekende natuurkunde.

Zwaartekrachtillusies

De vermenigvuldiging van quasarbeelden en andere objecten in de kosmos vindt plaats wanneer de zwaartekracht van een voorgrondobject, zoals een melkwegstelsel, buigt en vergroot het licht van objecten erachter. Het fenomeen, zwaartekrachtlensing genoemd, is al vaker gezien. Soms worden quasars gelenzen in twee vergelijkbare afbeeldingen; minder algemeen, ze zijn lenzen in vier.

"Quads zijn beter dan de dubbel afgebeelde quasars voor kosmologische studies, zoals het meten van de afstand tot objecten, omdat ze voortreffelijk kunnen worden gemodelleerd, " zegt co-auteur George Djorgovski, hoogleraar astronomie en datawetenschap aan Caltech. "Het zijn relatief schone laboratoria voor het maken van deze kosmologische metingen."

In de nieuwe studie de onderzoekers gebruikten gegevens van WISE, die een relatief grove resolutie heeft, om waarschijnlijke quasars te vinden, en vervolgens de scherpe resolutie van Gaia gebruikt om te identificeren welke van de WISE-quasars werden geassocieerd met mogelijke quasars met viervoudige afbeelding. The researchers then applied machine-learning tools to pick out which candidates were most likely multiply imaged sources and not just different stars sitting close to each other in the sky. Follow-up observations using Keck Observatory's Low Resolution Imaging Spectrometer (LRIS), as well as Palomar Observatory, the New Technology Telescope, and Gemini-South confirmed which of the objects were indeed quadruply imaged quasars lying billions of light-years away.

Humans and Machines Working Together

The first quad found with the help of machine-learning, nicknamed Centaurus' Victory, was confirmed during an all-nighter the team spent at Caltech, with collaborators from Belgium, Frankrijk, and Germany, while using a dedicated computer in Brazil, recalls co-author Alberto Krone-Martins of UC Irvine. The team had been remotely observing their objects using the Keck Observatory.

"Machine learning was key to our study but it is not meant to replace human decisions, " explains Krone-Martins. "We continuously train and update the models in an ongoing learning loop, such that humans and the human expertise are an essential part of the loop. When we talk about 'AI' in reference to machine-learning tools like these, it stands for Augmented Intelligence not Artificial Intelligence."

"Alberto not only initially came up with the clever machine-learning algorithms for this project, but it was his idea to use the Gaia data, something that had not been done before for this type of project, " says Djorgovski.

"This story is not just about finding interesting gravitational lenses, " hij zegt, "but also about how a combination of big data and machine learning can lead to new discoveries."