Con la ayuda de técnicas de aprendizaje automático, un equipo de astrónomos ha descubierto una docena de quásares que han sido deformados por una "lente" cósmica natural y divididos en cuatro imágenes similares. Los quásares son núcleos extremadamente luminosos de galaxias distantes que se alimentanpor agujeros negros supermasivos.
Durante las últimas cuatro décadas, los astrónomos han encontrado alrededor de 50 de estos "quásares con imágenes cuádruples", o quads para abreviar, que ocurren cuando la gravedad de una galaxia masiva que se encuentra frente a un quásar divide su única imagen en cuatroEl último estudio, que duró solo un año y medio, aumenta la cantidad de quads conocidos en aproximadamente un 25 por ciento y demuestra el poder del aprendizaje automático para ayudar a los astrónomos en su búsqueda de estas rarezas cósmicas.
"Los quads son minas de oro para todo tipo de preguntas. Pueden ayudar a determinar la tasa de expansión del universo y ayudar a abordar otros misterios, como la materia oscura y los 'motores centrales' de los quásares", dice Daniel Stern, autor principal deel nuevo estudio y un científico investigador en el Laboratorio de Propulsión a Chorro, que es administrado por Caltech para la NASA. "No son solo agujas en un pajar, sino navajas suizas porque tienen muchos usos".
Los hallazgos, se publicarán en El diario astrofísico , se hicieron combinando herramientas de aprendizaje automático con datos de varios telescopios terrestres y espaciales, incluida la misión Gaia de la Agencia Espacial Europea; el Explorador de Levantamiento Infrarrojo de Campo Amplio de la NASA o WISE; el Observatorio WM Keck en Maunakea,Hawaii; el Observatorio Palomar de Caltech; el Telescopio de Nueva Tecnología del Observatorio Europeo Austral en Chile; y el telescopio Gemini Sur en Chile.
Dilema cosmológico
En los últimos años, ha surgido una discrepancia sobre el valor preciso de la tasa de expansión del universo, también conocida como constante de Hubble. Se pueden usar dos medios principales para determinar este número: uno se basa en las mediciones de la distancia y la velocidad de los objetos en nuestrouniverso local, y el otro extrapola la tasa de modelos basados en la radiación distante que queda desde el nacimiento de nuestro universo, llamado fondo cósmico de microondas. El problema es que los números no coinciden.
"Hay errores potencialmente sistemáticos en las mediciones, pero eso parece cada vez menos probable", dice Stern. De manera más tentadora, la discrepancia en los valores podría significar que algo en nuestro modelo del universo está mal y hay nuevosfísica por descubrir ".
Los nuevos quásares, a los que el equipo dio apodos como Wolf's Paw y Dragon Kite, ayudarán en los cálculos futuros de la constante de Hubble y pueden aclarar por qué las dos medidas primarias no están alineadas. Los quásares se encuentran entre lo local y lo distanteobjetivos utilizados para los cálculos anteriores, por lo que les dan a los astrónomos una forma de sondear el rango intermedio del universo. Una determinación basada en cuásares de la constante de Hubble podría indicar cuál de los dos valores es correcto, o, quizás más interesante, podría mostrar que elconstante se encuentra en algún lugar entre el valor determinado localmente y el valor distante, un posible signo de física previamente desconocida.
Ilusiones gravitacionales
La multiplicación de imágenes de cuásares y otros objetos en el cosmos ocurre cuando la gravedad de un objeto en primer plano, como una galaxia, dobla y magnifica la luz de los objetos detrás de él. El fenómeno, llamado lente gravitacional, se ha visto muchas veces antes.A veces, los quásares se enfocan en dos imágenes similares; con menos frecuencia, se enfocan en cuatro.
"Los quads son mejores que los quásares de doble imagen para estudios de cosmología, como medir la distancia a los objetos, porque pueden modelarse exquisitamente bien", dice el coautor George Djorgovski, profesor de astronomía y ciencia de datos en Caltech.son laboratorios relativamente limpios para realizar estas medidas cosmológicas ".
En el nuevo estudio, los investigadores usaron datos de WISE, que tiene una resolución relativamente gruesa, para encontrar cuásares probables, y luego usaron la resolución nítida de Gaia para identificar cuáles de los cuásares WISE estaban asociados con posibles cuásares de imágenes cuádruples.luego aplicó herramientas de aprendizaje automático para seleccionar qué candidatos probablemente eran fuentes de imágenes múltiples y no solo estrellas diferentes sentadas cerca una de la otra en el cielo. Las observaciones de seguimiento de Keck, Palomar, el Telescopio de Nueva Tecnología y Gemini-South confirmaroncuáles de los objetos eran de hecho quásares con imágenes cuádruples que se encuentran a miles de millones de años luz de distancia.
Humanos y máquinas trabajando juntos
El primer quad encontrado con la ayuda del aprendizaje automático, apodado Victoria de Centaurus, se confirmó durante una noche que el equipo pasó en Caltech, con colaboradores de Bélgica, Francia y Alemania, mientras usaba una computadora dedicada en Brasil, recuerdael coautor Alberto Krone-Martins de UC Irvine. El equipo había estado observando de forma remota sus objetos utilizando el Observatorio Keck.
"El aprendizaje automático fue clave para nuestro estudio, pero no está destinado a reemplazar las decisiones humanas", explica Krone-Martins. "Entrenamos y actualizamos continuamente los modelos en un ciclo de aprendizaje continuo, de modo que los humanos y la experiencia humana son esencialesparte del ciclo. Cuando hablamos de 'IA' en referencia a herramientas de aprendizaje automático como estas, significa Inteligencia Aumentada, no Inteligencia Artificial ".
"Alberto no solo ideó inicialmente los inteligentes algoritmos de aprendizaje automático para este proyecto, sino que fue su idea utilizar los datos de Gaia, algo que no se había hecho antes para este tipo de proyecto", dice Djorgovski.
"Esta historia no se trata solo de encontrar lentes gravitacionales interesantes", dice, "sino también de cómo una combinación de big data y aprendizaje automático puede conducir a nuevos descubrimientos".
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de California . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :