Przejdź do treści

Sieci neuronowe znajdują nowe soczewki grawitacyjne

Holenderscy astronomowie opracowali nowatorską metodę automatycznego znajdywania soczewek grawitacyjnych w bardzo dużych zbiorach danych obserwacyjnych. Jest ona oparta na tak zwanej sztucznej inteligencji i sieciach neuronowych, podobnie jak algorytmy rozpoznawania obrazów powszechnie używane m. in. przez firmę Google.

Zjawisko soczewkowania grawitacyjnego powstaje wtedy, gdy światło odległego obiektu (zwykle galaktyki lub kwazara) przechodzi przez znajdujące się na jego drodze do ziemskiego obserwatora, silne pole grawitacyjne. Pole to może pochodzić od dużej masy - na przykład galaktyki lub gromady galaktyk. Efekt ten został przewidziany w Ogólnej Teorii Względności Einsteina.

Astronomowie interesują się soczewkami grawitacyjnymi, czyli obserwowanymi przejawami tego zjawiska, głównie ze względu na jego powiązania z ciemną materią. Ciemna materia może w tym przypadku działać jak ogromna masa zakrzywiająca światło bardziej odległego obiektu - i może to być jedyna droga do jej zauważenia, lub raczej do dostrzeżenia jej wpływu na zwykłą, obserwowaną materię. Ale poszukiwania soczewek nie są proste. Trzeba w tym celu przeglądać ogromne ilości optycznych obrazów nieba. Jest to na tyle czasochłonne, że naukowcy korzystają nawet z pomocy nie-naukowych ochotników z całego świata.

Jednak danych do inspekcji wciąż przybywa i będzie przybywać, a ilość zaangażowanych w te poszukiwania osób utrzymuje się na mniej więcej tym samym poziomie. Astronomowie postanowili więc wykorzystać do poszukiwań także sztuczną inteligencję - komputerowe sieci neuronowe. Stosują je od dawna również takie firmy jak Google czy  Facebook. Pomagają one im na przykład automatycznie wykrywać ludzkie twarze na zdjęciach. Koncern Tesla wykorzystuje je z kolei w projektach automatycznych, samoprowadzących się samochodów. W tym jednak przypadku astronomowie zaprogramowali sieć neuronową tak, by była zdolna do znajdywania charakterystycznych kształtów soczewek grawitacyjnych w ogromnych zasobach tysięcy obrazów nieba.

W przypadku obszaru o wielkości odpowiadającej mniej więcej pół procenta całej sfery niebieskiej sieć neuronowa znalazła początkowo 761 kandydatów. Naukowcy przejrzeli te obrazy i dodatkowo ręcznie (czy raczej wizualnie) ograniczyli tę początkową próbkę do 56 "prawdziwych" soczewek grawitacyjnych. "Prawdziwych", bo do ich dodatkowego potwierdzenia niezbędne będą jeszcze dokładniejsze obserwacje wykonane z pomocą Kosmicznego Teleskopu Hubble’a. Jak jednak sieć neuronowa traktuje już wcześniej znane soczewki grawitacyjne położone w badanym obszarze? W tym przypadku poprawnie zidentyfikowała dwie z obecnych tam trzech soczewek. Okazało się jednak, że jedyna niewłaściwie rozpoznana soczewka była bardzo mała, a program nie był jeszcze wyszkolony do wyszukiwania obiektów o niewielkich rozmiarach. Będzie to kolejnym celem zaangażowanego w ten badania zespołu naukowego.

Dane optyczne (zdjęcia) służące do tych pierwszych testów i treningu sieci neuronowych pochodziły z przeglądu Kilo-Degree Survey. Wykorzystywany jest w nim Teleskop VLT Survey należący do Europejskiego Obserwatorium Południowego (ESO) i położony na górze Mount Paranal w Chile.


Czytaj więcej:

 

Źródło: Astronomie.nl


Na zdjęciu: lista nowych kandydatów na soczewki grawitacyjne została opublikowana w listopadowym wydaniu MNRAS (Monthly Notices of the Royal Astronomical Society. Z pomocą specjalnie wyszkolonych sztucznych sieci neuronowych naukowcy odkryli 56 takich obiektów. Widzimy tu próbkę danych treningowych wykorzystanych w procesie ich "trenowania". Źródło: Enrico Petrillo (Rijksuniversiteit Groningen)