Een groep astronomen van de universiteiten van Groningen, Napels en Bonn hebben een methode ontwikkeld die zwaartekrachtlenzen vindt in enorme stapels waarnemingen. De methode is gebaseerd op hetzelfde kunstmatige intelligentie-algoritme dat Google, Facebook en Tesla hebben de afgelopen jaren gebruikt. De onderzoekers publiceerden hun methode en 56 nieuwe zwaartekrachtlens-kandidaten in het novembernummer van Maandelijkse mededelingen van de Royal Astronomical Society .

Wanneer een melkwegstelsel verborgen is achter een ander melkwegstelsel, we kunnen soms de verborgen rond het voorste systeem zien. Dit fenomeen wordt een zwaartekrachtlens genoemd, omdat het voortkomt uit Einsteins algemene relativiteitstheorie die zegt dat massa licht kan buigen. Astronomen zoeken naar zwaartekrachtlenzen omdat ze helpen bij het onderzoek naar donkere materie.

De jacht op zwaartekrachtlenzen is nauwgezet. Astronomen moeten duizenden afbeeldingen sorteren. Ze worden bijgestaan ​​door enthousiaste vrijwilligers over de hele wereld. Tot dusver, de zoektocht was min of meer in lijn met de beschikbaarheid van nieuwe afbeeldingen. Maar dankzij nieuwe waarnemingen met speciale telescopen die grote delen van de hemel reflecteren, miljoenen afbeeldingen worden toegevoegd. De mens kan dat tempo niet bijhouden.

Google, Facebook, Tesla

Om de groeiende hoeveelheid afbeeldingen aan te pakken, de astronomen hebben gebruik gemaakt van zogenaamde 'convolutionele neurale netwerken'. Google gebruikte dergelijke neurale netwerken om een ​​wedstrijd van Go tegen de wereldkampioen te winnen. Facebook gebruikt ze om te herkennen wat er in de afbeeldingen van je tijdlijn staat. En Tesla ontwikkelt zelfrijdende auto's dankzij neurale netwerken.

De astronomen trainden het neurale netwerk met behulp van miljoenen zelfgemaakte afbeeldingen van zwaartekrachtlenzen. Daarna confronteerden ze het netwerk met miljoenen beelden van een klein stukje lucht. Die patch had een oppervlakte van 255 vierkante graden. Dat is iets meer dan een half procent van de lucht.

Zwaartekrachtlens kandidaten

aanvankelijk, het neurale netwerk vond 761 zwaartekrachtlenskandidaten. Na een visuele inspectie door de astronomen werd het monster verkleind tot 56. De 56 nieuwe lenzen moeten nog door telescopen worden bevestigd als de Hubble-ruimtetelescoop.

In aanvulling, het neurale netwerk herontdekte twee bekende lenzen. Helaas, het zag geen derde bekende lens. Dat is een kleine lens en het neurale netwerk was nog niet getraind voor die grootte.

In de toekomst, de onderzoekers willen hun neurale netwerk nog beter trainen, zodat het kleinere lenzen opmerkt en valse lenzen afwijst. Het uiteindelijke doel is om elke visuele inspectie volledig te verwijderen.

Kilo-Grade-enquête

Carlo Enrico Petrillo (Rijksuniversiteit Groningen, Nederland), eerste auteur van de wetenschappelijke publicatie:"Dit is de eerste keer dat een convolutioneel neuraal netwerk is gebruikt om bijzondere objecten te vinden in een astronomisch onderzoek. Ik denk dat dit de norm zal worden aangezien toekomstige astronomische onderzoeken een enorme hoeveelheid gegevens zullen opleveren die nodig om te inspecteren. We hebben niet genoeg astronomen om dit aan te kunnen."

De gegevens die het neuronale netwerk verwerkte, kwam uit de Kilo-Degree Survey. Het project maakt gebruik van de VLT Survey Telescope van de European Southern Observatory (ESO) op de berg Paranal (Chili). De bijbehorende panoramische camera, OmegaCAM, ontwikkeld onder Nederlandse leiding.