Los astrónomos pueden seguir toda su carrera sin encontrar un nuevo objeto en el cielo. Pero para Lina Necib, una estudiosa posdoctoral en física teórica en Caltech, el descubrimiento de un grupo de estrellas en la Vía Láctea, pero no nacido de la Vía Láctea, llegó temprano, con un poco de ayuda de las supercomputadoras, el observatorio espacial Gaia y los nuevos métodos de aprendizaje profundo.
Escribiendo en Astronomía de la naturaleza esta semana, Necib y sus colaboradores describen a Nyx, una gran corriente estelar nueva en las proximidades del Sol, que puede proporcionar la primera indicación de que una galaxia enana se había fusionado con el disco de la Vía Láctea. Se cree que estas corrientes estelares son globularescúmulos o galaxias enanas que se han extendido a lo largo de su órbita por las fuerzas de marea antes de ser completamente interrumpidas.
El descubrimiento de Nyx tomó una ruta tortuosa, pero que refleja la forma multifacética en la que hoy se estudian la astronomía y la astrofísica.
FUEGO en el cosmos
Necib estudia la cinemática, o movimientos, de las estrellas y la materia oscura en la Vía Láctea ". Si hay grupos de estrellas que se mueven juntas de una manera particular, eso generalmente nos dice que hay una razón por la cualnos movemos juntos "
Desde 2014, investigadores de Caltech, Northwestern University, UC San Diego y UC Berkeley, entre otras instituciones, han estado desarrollando simulaciones muy detalladas de galaxias realistas como parte de un proyecto llamado FIRE Feedback In Realistic Environments. Estas simulaciones incluyentodo lo que los científicos saben acerca de cómo se forman y evolucionan las galaxias. A partir del equivalente virtual del principio de los tiempos, las simulaciones producen galaxias que se parecen y actúan de manera muy parecida a la nuestra.
Mapeando la Vía Láctea
Simultáneamente al proyecto FIRE, la Agencia Espacial Europea lanzó el observatorio espacial Gaia en 2013. Su objetivo es crear un mapa tridimensional extraordinariamente preciso de aproximadamente mil millones de estrellas en toda la galaxia de la Vía Láctea y más allá.
explicó: "Es el estudio cinemático más grande hasta la fecha. El observatorio proporciona los movimientos de mil millones de estrellas", explicó. "Un subconjunto, siete millones de estrellas, tiene velocidades 3D, lo que significa que podemos saber exactamente dónde está una estrella".y su movimiento. Hemos pasado de conjuntos de datos muy pequeños a realizar análisis masivos que no podíamos hacer antes para comprender la estructura de la Vía Láctea ".
El descubrimiento de Nyx implicó combinar estos dos grandes proyectos de astrofísica y analizarlos utilizando métodos de aprendizaje profundo.
Entre las preguntas que se encuentran tanto las simulaciones como la dirección del reconocimiento del cielo es: ¿Cómo se convirtió la Vía Láctea en lo que es hoy?
"Las galaxias se forman al tragarse otras galaxias", dijo Necib. "Asumimos que la Vía Láctea tuvo un historial de fusiones silencioso, y por un tiempo se trataba de cuán silencioso era porque nuestras simulaciones muestran muchas fusiones. Ahora, con acceso a muchas estructuras más pequeñas, entendemos que no era tan silencioso como parecía. Es muy poderoso tener todas estas herramientas, datos y simulaciones. Todos ellos deben usarse a la vez para resolver este problema.estamos en las primeras etapas de poder comprender realmente la formación de la Vía Láctea "
Aplicando Deep Learning a Gaia
Un mapa de mil millones de estrellas es una bendición mixta: tanta información, pero casi imposible de analizar por la percepción humana.
"Antes, los astrónomos tenían que mirar y trazar mucho, y tal vez usar algunos algoritmos de agrupación. Pero eso ya no es realmente posible", dijo Necib. "No podemos mirar a siete millones de estrellas y descubrir qué son 'lo que hicimos en esta serie de proyectos fue utilizar los catálogos simulados de Gaia ".
El catálogo simulado Gaia, desarrollado por Robyn Sanderson Universidad de Pensilvania, esencialmente preguntó: 'Si las simulaciones de FUEGO fueran reales y se observaran con Gaia, ¿qué veríamos?'
El colaborador de Necib, Bryan Ostdiek anteriormente en la Universidad de Oregón y ahora en la Universidad de Harvard, que anteriormente había estado involucrado en el proyecto del Gran Colisionador de Hadrones LHC, tenía experiencia en el manejo de grandes conjuntos de datos utilizando máquinas y aprendizaje profundo.Los métodos de astrofísica abrieron la puerta a una nueva forma de explorar el cosmos.
"En el LHC, tenemos simulaciones increíbles, pero nos preocupa que las máquinas entrenadas en ellas puedan aprender la simulación y no la física real", dijo Ostdiek. "De manera similar, las galaxias FIRE proporcionan un entorno maravilloso para entrenar a nuestros modelos, pero no son la Vía Láctea. Tuvimos que aprender no solo qué podría ayudarnos a identificar las estrellas interesantes en la simulación, sino también cómo lograr que esto se generalice a nuestra galaxia real ".
El equipo desarrolló un método para rastrear los movimientos de cada estrella en las galaxias virtuales y etiquetar a las estrellas como nacidas en la galaxia anfitriona o acrecentadas como productos de fusiones de galaxias. Los dos tipos de estrellas tienen firmas diferentes, aunque las diferenciasa menudo son sutiles. Estas etiquetas se usaron para entrenar el modelo de aprendizaje profundo, que luego se probó en otras simulaciones de FUEGO.
Después de que construyeron el catálogo, lo aplicaron a los datos de Gaia. "Le preguntamos a la red neuronal, 'En base a lo que has aprendido, ¿puedes etiquetar si las estrellas fueron acumuladas o no?'", Dijo Necib.
El modelo calificó la confianza de que una estrella nació fuera de la Vía Láctea en un rango de 0 a 1. El equipo creó un límite con tolerancia al error y comenzó a explorar los resultados.
Este enfoque de aplicar un modelo entrenado en un conjunto de datos y aplicarlo a otro diferente pero relacionado se llama aprendizaje de transferencia y puede estar lleno de desafíos ". Necesitábamos asegurarnos de que no estamos aprendiendo cosas artificiales sobre la simulación,pero realmente lo que está sucediendo en los datos ", dijo Necib." Para eso, tuvimos que brindarle un poco de ayuda y decirle que volviera a pesar ciertos elementos conocidos para darle un poco de anclaje ".
Primero verificaron si podía identificar características conocidas de la galaxia. Estas incluyen "la salchicha Gaia" - los restos de una galaxia enana que se fusionó con la Vía Láctea hace unos seis o diez mil millones de años y que tiene un distintivoforma orbital similar a una salchicha.
"Tiene una firma muy específica", explicó. "Si la red neuronal funcionara como se supone que debería, deberíamos ver esta enorme estructura que ya sabemos que está allí".
La salchicha Gaia estaba allí, al igual que el halo estelar - estrellas de fondo que le dan a la Vía Láctea su forma reveladora - y la corriente Helmi, otra galaxia enana conocida que se fusionó con la Vía Láctea en el pasado distante y fuedescubierto en 1999.
Primer avistamiento: Nyx
El modelo identificó otra estructura en el análisis: un grupo de 250 estrellas, girando con el disco de la Vía Láctea, pero también yendo hacia el centro de la galaxia.
"Tu primer instinto es que tienes un error", relató Necib. "Y dices, '¡Oh, no!' Entonces, no le dije a ninguno de mis colaboradores durante tres semanas. Luego comencé a darme cuenta de que noun error, en realidad es real y es nuevo "
¿Pero y si ya se hubiera descubierto? "Empiezas a revisar la literatura, asegurándote de que nadie la haya visto y, por suerte para mí, nadie lo ha hecho. Así que pude nombrarlo, que es lo más emocionante de la astrofísica.Lo llamé Nyx, la diosa griega de la noche. Esta estructura particular es muy interesante porque habría sido muy difícil de ver sin el aprendizaje automático ".
El proyecto requirió computación avanzada en muchas etapas diferentes. El FIRE y las simulaciones actualizadas de FIRE-2 se encuentran entre los modelos informáticos más grandes de galaxias jamás intentados. Cada una de las nueve simulaciones principales: tres formaciones de galaxias separadas, cada una con un punto de partida ligeramente diferentepara el sol: tomó meses calcular en las supercomputadoras más grandes y rápidas del mundo, incluidas Blue Waters en el Centro Nacional de Aplicaciones de Supercomputación NCSA, las instalaciones de Computación de Alta Gama de la NASA y, más recientemente, Stampede2 en la Computación Avanzada de TexasCentro TACC.
Los investigadores utilizaron grupos de la Universidad de Oregon para entrenar el modelo de aprendizaje profundo y aplicarlo al conjunto de datos masivo de Gaia. Actualmente están utilizando Frontera, el sistema más rápido en cualquier universidad del mundo, para continuar el trabajo.
"Todo sobre este proyecto es computacionalmente muy intensivo y no sería posible sin una computación a gran escala", dijo Necib.
Pasos futuros
Necib y su equipo planean explorar Nyx aún más utilizando telescopios terrestres. Esto proporcionará información sobre la composición química de la corriente y otros detalles que los ayudarán a fechar la llegada de Nyx a la Vía Láctea, y posiblemente proporcionar pistas sobre dóndevino de.
La próxima publicación de datos de Gaia en 2021 contendrá información adicional sobre 100 millones de estrellas en el catálogo, lo que hará más probable el descubrimiento de cúmulos acumulados.
"Cuando comenzó la misión Gaia, los astrónomos sabían que era uno de los conjuntos de datos más grandes que iban a obtener, con muchos motivos para estar entusiasmados", dijo Necib. "Pero necesitábamos desarrollar nuestras técnicas para adaptarnos al conjunto de datos".Si no cambiamos o actualizamos nuestros métodos, nos perderíamos la física que está en nuestro conjunto de datos ".
Los éxitos del enfoque del equipo de Caltech pueden tener un impacto aún mayor. "Estamos desarrollando herramientas computacionales que estarán disponibles para muchas áreas de investigación y también para cosas no relacionadas con la investigación", dijo. "Así es comoempujamos la frontera tecnológica en general "
Fuente de la historia :
Materiales proporcionado por Universidad de Texas en Austin, Centro de Computación Avanzada de Texas . Original escrito por Aaron Dubrow. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :