At se universet gennem nye linser

Som krystalkugler til universets dybere mysterier, galakser og andre massive rumobjekter kan tjene som linser til fjernere objekter og fænomener langs samme vej, bøje lys på åbenbarende måder.

Gravitationslinser blev først teoretiseret af Albert Einstein for mere end 100 år siden for at beskrive, hvordan lys bøjes, når det bevæger sig forbi massive objekter som galakser og galaksehobe.

Disse linseeffekter beskrives typisk som svage eller stærke, og styrken af ​​en linse relaterer sig til en genstands position og masse og afstand fra lyskilden, der er linset. Stærke linser kan have 100 milliarder gange mere masse end vores sol, få lys fra fjernere objekter i samme vej til at forstørre og opdele, for eksempel, i flere billeder, eller at fremstå som dramatiske buer eller ringe.

Den største begrænsning af stærke gravitationslinser har været deres knaphed, med kun flere hundrede bekræftet siden den første observation i 1979, men det ændrer sig ... og hurtigt.

En ny undersøgelse foretaget af et internationalt hold af videnskabsmænd afslørede 335 nye stærke linsekandidater baseret på et dybt dyk ned i data indsamlet til et US Department of Energy-støttet teleskopprojekt i Arizona kaldet Dark Energy Spectroscopic Instrument (DESI). Studiet, udgivet 7. maj i The Astrophysical Journal , nydt godt af den vindende maskinlæringsalgoritme i en international videnskabskonkurrence.

"At finde disse objekter er som at finde teleskoper, der er på størrelse med en galakse, " sagde David Schlegel, en senior videnskabsmand i Lawrence Berkeley National Laboratory's (Berkeley Lab's) Physics Division, som deltog i undersøgelsen. "De er kraftfulde sonder af mørkt stof og mørk energi."

Disse nyopdagede gravitationslinsekandidater kunne give specifikke markører til præcis måling af afstande til galakser i det gamle univers, hvis supernovaer observeres og præcist spores og måles via disse linser, for eksempel.

Stærke linser giver også et kraftfuldt vindue ind i det usete univers af mørkt stof, som udgør omkring 85 procent af stoffet i universet, da det meste af den masse, der er ansvarlig for linseeffekter, menes at være mørkt stof. Mørkt stof og den accelererende udvidelse af universet, drevet af mørk energi, er blandt de største mysterier, som fysikere arbejder på at løse.

I den seneste undersøgelse, forskere rekrutterede Cori, en supercomputer ved Berkeley Labs National Energy Research Scientific Computing Center (NERSC), for automatisk at sammenligne billeddata fra Dark Energy Camera Legacy Survey (DECaLS) - en af ​​tre undersøgelser udført som forberedelse til DESI - med en træningsprøve på 423 kendte linser og 9, 451 ikke-linser.

Forskerne grupperede kandidatens stærke linser i tre kategorier baseret på sandsynligheden for, at de er, faktisk, linser:Karakter A for de 60 kandidater, der med størst sandsynlighed er linser, Karakter B for de 105 kandidater med mindre udtalte træk, og Grade C for de 176 kandidatlinser, der har svagere og mindre linseegenskaber end dem i de to andre kategorier.

Xiaosheng Huang, undersøgelsens hovedforfatter, bemærkede, at holdet allerede var lykkedes med at vinde tid på Hubble-rumteleskopet for at bekræfte nogle af de mest lovende linsekandidater afsløret i undersøgelsen, med at observere tiden på Hubble, der begyndte i slutningen af ​​2019.

"Hubble-rumteleskopet kan se de fine detaljer uden de slørende virkninger af Jordens atmosfære, " sagde Huang.

Linsekandidaterne blev identificeret ved hjælp af et neuralt netværk, som er en form for kunstig intelligens, hvor computerprogrammet trænes til gradvist at forbedre dets billedtilpasning over tid for at give en stigende succesrate i at identificere linser. Computeriserede neurale netværk er inspireret af det biologiske netværk af neuroner i den menneskelige hjerne.

"Det tager timer at træne det neurale netværk, " sagde Huang. "Der er en meget sofistikeret model af 'Hvad er en linse?' og 'Hvad er ikke en linse?'"

Der var nogle omhyggelige manuelle analyser af linsebilleder for at hjælpe med at vælge de bedste billeder til at træne netværket fra titusindvis af billeder, Huang bemærkede. Han huskede en lørdag, hvor han satte sig ned med studerende forskere hele dagen for at gennemsøge titusindvis af billeder for at udvikle prøvelister over linser og ikke-objektiver.

"Vi valgte ikke bare disse tilfældigt, " sagde Huang. "Vi var nødt til at udvide dette sæt med håndvalgte eksempler, der ligner linser, men ikke er linser, " for eksempel, "og vi valgte dem, der kunne være potentielt forvirrende."

Elevernes involvering var nøglen i undersøgelsen, han tilføjede. "De studerende arbejdede flittigt på dette projekt og løste mange svære problemer, alt imens du tager en hel belastning af klasser, " sagde han. En af de studerende, der arbejdede på undersøgelsen, Christopher Storfer, blev senere udvalgt til at deltage i DOE Science Undergraduate Laboratory Internship (SULI)-programmet på Berkeley Lab.

Forskere har allerede forbedret den algoritme, der blev brugt i den seneste undersøgelse for at fremskynde identifikation af mulige linser. Mens anslået 1 ud af 10, 000 galakser fungerer som en linse, det neurale netværk kan fjerne de fleste ikke-linser. "I stedet for at gå igennem 10, 000 billeder for at finde et, nu har vi kun et par tiere, " han sagde.

Det neurale netværk blev oprindeligt udviklet til The Strong Gravitational Lens Finding Challenge, en programmeringskonkurrence, der løb fra november 2016 til februar 2017, der motiverede udviklingen af ​​automatiserede værktøjer til at finde stærke linser.

Med en voksende mængde observationsdata, og nye teleskopprojekter som DESI og Large Synoptic Survey Telescope (LSST), der nu er planlagt til at starte op i 2023, der er hård konkurrence om at udvinde disse data ved hjælp af sofistikerede kunstig intelligens-værktøjer, sagde Schlegel.

"Den konkurrence er god, " sagde han. Et hold baseret i Australien, for eksempel, fandt også mange nye linse-kandidater ved at bruge en anden tilgang. "Omkring 40 procent af det, de fandt, gjorde vi ikke, " og ligeledes undersøgelsen, som Schlegel deltog i, fandt mange linse-kandidater, som det andet hold ikke havde.

Huang sagde, at holdet har udvidet sin søgen efter linser i andre kilder til himmelbilleddata, og holdet overvejer også, om de skal tilsluttes et bredere sæt af computerressourcer for at fremskynde jagten.

"Målet for os er at nå 1, 000" nye linsekandidater, sagde Schlegel.

NERSC er en DOE Office of Science User Facility.

Deltagerne i undersøgelsen omfattede forskere fra University of San Francisco, Berkeley Lab, National Optical Astronomy Observatory, Siena College, University of Wyoming, University of Arizona, University of Toronto og Perimeter Institute for Theoretical Physics i Canada, og Université Paris-Saclay i Frankrig.