Verdubbeling van het aantal bekende zwaartekrachtlenzen

[univers]

Voorbeelden van zwaartekrachtlenzen gevonden in de DESI Legacy Survey-gegevens. Credit:KPNO / CTIO / NOIRLab / NSF / AURA / Legacy Imaging Survey

Gegevens van de DESI (Dark Energy Spectroscopic Instrument) Legacy Imaging Surveys hebben meer dan 1200 nieuwe gravitatielenzen onthuld, waarmee het aantal bekende lenzen ongeveer is verdubbeld. Deze verwrongen en uitgerekte beelden van verre sterrenstelsels, ontdekt met behulp van machine learning, getraind op echte gegevens, bieden astronomen een stroom van nieuwe doelen waarmee ze fundamentele eigenschappen van het heelal kunnen meten, zoals de constante van Hubble, die het uitdijende heelal beschrijft.

Astronomen die op zoek waren naar zwaartekrachtlenzen, gebruikten machine learning om de uitgebreide dataset die bekend staat als de DESI Legacy Imaging Surveys te inspecteren , waarbij 1210 nieuwe lenzen werden ontdekt. De gegevens zijn verzameld bij Cerro Tololo Inter-American Observatory ( CTIO ) en Kitt Peak National Observatory ( KPNO ), beide programma's van het NOIRLab van de National Science Foundation. De ambitieuze DESI Legacy Imaging Surveys zijn net voor de negende en laatste keer vrijgegeven .

Zwaartekrachtlenzen worden sinds de jaren dertig in wetenschappelijke tijdschriften besproken en zijn het product van Einsteins algemene relativiteitstheorie . De theorie zegt dat een enorm object, zoals een cluster van sterrenstelsels, de ruimtetijd kan vervormen . Sommige wetenschappers, waaronder Einstein, voorspelden dat deze vervorming van de ruimtetijd waarneembaar zou kunnen zijn, als een uitrekking en vervorming van het licht van een achtergrondmelkwegstelsel door een voorgrondcluster van melkwegstelsels. De lenzen verschijnen in afbeeldingen meestal als bogen en strepen rond sterrenstelsels op de voorgrond en clusters van sterrenstelsels.

Slechts 1 op de 10.000 zware sterrenstelsels zal naar verwachting tekenen van sterke gravitatielenzen vertonen [1] , en het is niet eenvoudig om ze te lokaliseren. Door zwaartekrachtlenzen kunnen astronomen de meest diepgaande vragen van ons heelal onderzoeken, waaronder de aard van donkere materie en de waarde van de Hubble-constante , die de uitdijing van het heelal definieert. Een belangrijke beperking van het gebruik van zwaartekrachtlenzen tot nu toe was het kleine aantal dat bekend was.


“Een enorm sterrenstelsel vervormt de ruimtetijd eromheen, maar meestal merk je dit effect niet. Alleen wanneer een melkwegstelsel direct achter een gigantisch melkwegstelsel verborgen is, is een lens te zien, ” merkt de hoofdauteur van de studie op, Xiaosheng Huang van de Universiteit van San Francisco. " Toen we in 2018 met dit project begonnen, waren er slechts ongeveer 300 bevestigde sterke lenzen."

"Als co-leider in de DESI Legacy Surveys realiseerde ik me dat dit de perfecte dataset zou zijn om naar zwaartekrachtlenzen te zoeken", legt co-auteur David Schlegel van Lawrence Berkeley National Laboratory (LBNL) uit. " Mijn collega Huang was net klaar met het geven van een niet-gegradueerde klas over machine learning aan de Universiteit van San Francisco, en samen realiseerden we ons dat dit een perfecte gelegenheid was om die technieken toe te passen op een zoektocht naar zwaartekrachtlenzen."

De lensstudie was mogelijk vanwege de beschikbaarheid van wetenschappelijke gegevens van de DESI Legacy Imaging Surveys , die werden uitgevoerd om doelen voor de operaties van DESI te identificeren, en waarvan de negende en laatste dataset zojuist is vrijgegeven. Deze onderzoeken omvatten een unieke mix van drie projecten die een derde van de nachtelijke hemel hebben waargenomen: de Dark Energy Camera Legacy Survey (DECaLS), waargenomen door de door DOE gebouwde Dark Energy Camera ( DECam ) op de Víctor M. Blanco 4-meter Telescoop bij CTIO in Chili; de Mayall z -band Legacy Survey (MzLS) [2] , door de Mosaic3-camera op de Nicholas U. Mayall 4-meter telescoopbij KPNO; en de Beijing-Arizona Sky Survey (BASS) van de 90Prime-camera op de Bok 2,3-meter telescoop , die eigendom is van en wordt beheerd door de Universiteit van Arizona en zich bevindt bij KPNO.

" We hebben het Legacy Surveys-beeldvormingsproject van de grond af aan ontworpen als een openbare onderneming, zodat het door elke wetenschapper kan worden gebruikt", zei co-auteur Arjun Dey van NSF's NOIRLab. “ Ons onderzoek heeft al meer dan duizend nieuwe zwaartekrachtlenzen opgeleverd, en er wachten ongetwijfeld nog veel meer op ontdekking.

De DESI Legacy Imaging Surveys-gegevens worden aan de astronomische gemeenschap aangeboden via het Astro Data Lab in het Community Science and Data Center ( CSDC ) van NOIRLab . " Het verstrekken van wetenschappelijke datasets voor ontdekking en verkenning is de kern van onze missie", aldus CSDC-directeur Adam Bolton. " De DESI Legacy Imaging Surveys is een belangrijke bron die de astronomiegemeenschap nog jarenlang kan gebruiken voor dit soort onderzoeken."

Om de gegevens te analyseren, gebruikten Huang en team de supercomputer van het National Energy Research Scientific Computer Center ( NERSC ) in het Berkeley Lab . “De DESI Legacy Imaging Surveys waren absoluut cruciaal voor deze studie; niet alleen de telescopen, instrumenten en faciliteiten, maar ook datareductie en bronextractie ”, legt Huang uit. " De combinatie van de breedte en diepte van de waarnemingen is ongeëvenaard."

Met de enorme hoeveelheid wetenschappelijke gegevens om doorheen te werken, wendden de onderzoekers zich tot een soort machine learning dat bekend staat als een diep residuaal neuraal netwerk. Neurale netten zijn rekenalgoritmen die enigszins vergelijkbaar zijn met het menselijk brein en worden gebruikt voor het oplossen van problemen met kunstmatige intelligentie. Diepe neurale netten hebben veel lagen die gezamenlijk kunnen beslissen of een kandidaat-object tot een bepaalde groep behoort. Om dit te kunnen doen, moeten de neurale netten worden getraind om de objecten in kwestie te herkennen [3] .

Met het grote aantal lenskandidaten dat nu voorhanden is, kunnen onderzoekers nieuwe metingen doen van kosmologische parameters zoals de Hubble-constante. De sleutel zal zijn om een ​​supernova in het achtergrondstelsel te detecteren, die, wanneer het wordt gelensd door een voorgrondstelsel, zal verschijnen als meerdere lichtpunten. Nu astronomen weten welke sterrenstelsels bewijzen voor sterke lenswerking, weten ze waar ze moeten zoeken. Nieuwe faciliteiten zoals het Vera C. Rubin Observatorium (momenteel in aanbouw in Chili en geëxploiteerd door NOIRLab) zullen objecten als deze monitoren als onderdeel van zijn missie, waardoor elke supernova snel kan worden gemeten door andere telescopen.

Niet-gegradueerde studenten speelden vanaf het begin een belangrijke rol in het project. Andi Gu, student aan de Universiteit van Californië, zei: " Mijn rol in het project heeft me geholpen verschillende vaardigheden te ontwikkelen die volgens mij de sleutel zijn voor mijn toekomstige academische carrière."

https://noirlab.edu/public/news/noirlab2104/?lang