G­ö­k­b­i­l­i­m­c­i­l­e­r­ ­d­e­r­i­n­ ­s­i­n­i­r­ ­a­ğ­ı­n­a­ ­s­a­h­i­p­ ­n­a­d­i­r­ ­n­ö­t­r­ ­a­t­o­m­i­k­ ­k­a­r­b­o­n­ ­s­o­ğ­u­r­u­c­u­l­a­r­ı­ ­t­e­s­p­i­t­ ­e­d­i­y­o­r­

Son zamanlarda, Çin Bilimler Akademisi Şangay Astronomi Gözlemevi’nden Prof. Ge Jian liderliğindeki uluslararası bir ekip, derin öğrenmeyi kullanarak Sloan Digital Sky Survey III (SDSS-III) programı tarafından yayınlanan kuasar spektral verilerindeki nadir zayıf sinyalleri araştırdı. nöral ağlar.

Ekip, galaksi oluşumunu ve evrimini keşfetmek için yeni bir yöntem sunarak, yapay zekanın (AI) astronomik büyük verilerdeki nadir zayıf sinyalleri belirlemedeki potansiyelini ortaya koydu. Çalışma şu tarihte yayınlandı: Kraliyet Astronomi Topluluğunun Aylık Bildirimleri.

Evrendeki tozlu soğuk gazdan gelen “nötr karbon emiciler”, galaksi oluşumunu ve evrimini incelemek için çok önemli sondalar olarak hizmet ediyor. Ancak nötr karbon soğurma hatlarının sinyalleri zayıf ve son derece nadirdir.

Gökbilimciler, geleneksel korelasyon yöntemlerini kullanarak devasa kuasar spektral veri kümelerindeki bu soğurucuları tespit etmekte zorlandılar. Prof. Ge, “Samanlıkta iğne aramaya benziyor” dedi.

2015 yılında, SDSS tarafından daha önce yayımlanan onbinlerce kuasarın spektrumunda 66 nötr karbon soğurucu keşfedildi; bu, elde edilen en fazla örnek sayısıdır.

Bu çalışmada, Prof. Ge’nin ekibi, gerçek gözlemlere dayanarak çok sayıda simüle edilmiş nötr karbon emme hattı örnekleriyle derin sinir ağları tasarladı ve eğitti. Ekip, bu iyi eğitilmiş sinir ağlarını SDSS-III verilerine uygulayarak, 107 adet son derece nadir nötr karbon soğurucu keşfetti; bu, 2015 yılında elde edilen örnek sayısını iki katına çıkardı ve öncekine göre daha zayıf sinyaller tespit etti.

Ekip, çok sayıda nötr karbon emicinin spektrumlarını istifleyerek, çeşitli elementlerin bolluğunu tespit etme yeteneğini önemli ölçüde geliştirdi ve tozun neden olduğu gazdaki metal kaybını doğrudan ölçtü.

Sonuçlar, nötr karbon soğurucu sondalar içeren bu ilk gökadaların, evren yalnızca üç milyar yaşındayken (evrenin şu anki yaşı 13,8 milyardır) hızlı fiziksel ve kimyasal evrim geçirdiğini gösterdi. Bu galaksiler, Büyük Macellan Bulutu (LMC) ile Samanyolu (MW) arasında bir evrim aşamasına giriyorlardı; önemli miktarda metal üretiyorlardı; bunların bir kısmı toz parçacıkları oluşturacak şekilde bağlanarak toz kırmızılaşmasının gözlemlenen etkisine yol açıyordu.

Bu keşif, evrendeki en eski yıldızlarda elmas benzeri karbon tozu tespit eden James Webb Uzay Teleskobu’nun (JWST) son bulgularını bağımsız olarak doğruluyor; bazı galaksilerin önceden beklenenden çok daha hızlı evrimleştiğini öne sürüyor ve mevcut galaksi oluşumu ve evrim modellerine meydan okuyor.

Galaksi emisyon spektrumları üzerinden araştırma yapan JWST’den farklı olarak bu çalışma, kuasarların soğurma spektrumlarını gözlemleyerek erken galaksileri araştırıyor. Nötr karbon soğurucuları bulmak için iyi eğitilmiş sinir ağlarının uygulanması, JWST’nin araştırma yöntemlerini tamamlayan, evrenin ve galaksilerin erken evrimi üzerine gelecekteki araştırmalar için yeni bir araç sağlar.

Prof. Ge, “Devasa astronomik verilerdeki nadir ve zayıf sinyalleri hızlı, doğru ve kapsamlı bir şekilde keşfedebilecek yenilikçi yapay zeka algoritmaları geliştirmek gerekiyor” dedi.

Ekip, soluk görüntü sinyallerinin etkili eğitimi ve tespiti için yapay “çok yapılı” görüntüler oluşturmak üzere birden fazla ilgili yapıyı çıkararak bu çalışmada tanıtılan yöntemi görüntü tanımaya tanıtmayı amaçlamaktadır.