¿Puede un algoritmo de aprendizaje automático encontrar nuevas lentes gravitacionales y materia oscura?

La edad real de una galaxia, así como el número total de galaxias, han confundido a nuestro universo de científicos durante décadas. Gracias a los observatorios espaciales como el Telescopio Hubble o el Telescopio espacial James Webb, los astrónomos pueden ver más en el espacio, revelando más sobre nuestro universo. Los avances adicionales, como el aprendizaje automático, podrían ayudar a los astrónomos a recopilar más información de la que pueden proporcionar los telescopios.

Recientemente, con la ayuda de Observatorio Keck En Hawái, un equipo de investigadores ha podido utilizar nuevos algoritmos de aprendizaje automático para encontrar 5000 nuevas lentes gravitacionales potenciales que podrían cambiar la forma en que vemos la evolución de la formación de galaxias.

Antecedentes: ¿Qué son las lentes gravitacionales?

La gravedad afecta a casi todo lo que la rodea; Estamos expuestos a él en cada momento de cada día, pero no lo notamos. En el espacio, la gravedad también puede desempeñar un papel importante en la definición de las galaxias.

de acuerdo a nasa, La lente gravitacional ocurre cuando una gran cantidad de materia, como un grupo de galaxias, crea un fuerte campo gravitacional que puede distorsionar la luz de las estrellas cercanas. Esta atenuación crea un fenómeno casi similar a una lupa, que los telescopios pueden reconocer. Este proceso también puede ocurrir con las estrellas, pero es más común para las galaxias, lo que brinda a los astrónomos una idea de dónde están las nuevas galaxias.

Análisis: aprendizaje automático y nuevas galaxias

Para tratar de aprender sobre lentes gravitacionales adicionales, investigadores de todo el mundo han colaborado para crear un algoritmo especial de aprendizaje automático. Usando datos del Observatorio Keck en Hawái y el Very Large Telescope de Chile, el algoritmo confirmó que 68 De las 77 lentes analizadas, parecen lo suficientemente fuertes como para representar una lente gravitatoria..

Los investigadores confiaban en que el algoritmo podría usarse en el futuro para descubrir más lentes. Su investigación fue publicada en Diario astronómico Como parte de ASTRO 3D Galaxy Evolution con lentes (AGELSurvey, un programa que tiene como objetivo cartografiar el universo. Según el astrónomo Kim Fei Tran De ASTRO 3D y UNSW Sydney, «Nuestro objetivo con AGEL es la confirmación espectral de aproximadamente 100 lentes gravitacionales fuertes observables desde los hemisferios norte y sur durante todo el año».

Perspectiva: lentes gravitacionales y materia oscura

Dado que las lentes gravitacionales son difíciles de detectar, los investigadores se preguntaron si se podría aplicar el mismo proceso a la búsqueda de materia oscura, una sustancia aún desconocida en nuestra galaxia que se cree que constituye la mayor parte de nuestro universo. de acuerdo a NASA, la materia oscura sigue siendo «uno de los mayores misterios de la ciencia». Si este algoritmo o algo similar puede ayudar a detectar e identificar la materia oscura, representaría un posible punto de inflexión para la astronomía básica.

«Sabemos que la mayor parte de la masa es oscura», agregó Tran. «Sabemos que la masa desvía la luz, por lo que si podemos medir cuánta luz se desvía, entonces podemos inferir cuánta masa debería haber».

Si bien la búsqueda de materia oscura sin duda continuará, los datos de la nueva investigación ya están brindando a los astrónomos nuevas imágenes que les llevará algún tiempo desentrañar estudios adicionales.

Según el profesor carl glazbrook De la Universidad de Swinburne, «Ahora estamos obteniendo imágenes de estos lentes con el Telescopio Espacial Hubble, y van desde imágenes impresionantes hasta imágenes muy extrañas que requerirán que las encontremos».

Kina Hughes-Castleberry es escritora de The Debrief y Science Communicator en JILA (una asociación entre la Universidad de Colorado Boulder y el NIST). Sus ritmos de escritura incluyen tecnología profunda, metaverso y tecnología cuántica. Puedes encontrar más de su trabajo en su sitio web: https://kennacastleberry.com/