引力透镜是阿尔伯特·爱因斯坦(Albert Einstein)于100多年前首次提出的理论,用于描述光线穿过诸如星系和星系团之类的大物体时是如何弯曲的。这些透镜效应通常被分别为弱引力透镜或强引力透镜,并且透镜的强度与物体的位置,质量以及距透镜光源的距离有关。强透镜的质量可能是太阳的1000亿倍,可使来自同一路径中距离较远物体的光放大并分裂为多个图像,或者显示为剧烈的弧形或环形。
强引力透镜的主要局限性在于其稀缺性,自1979年首次观测以来,仅有数百个得到证实,但这种情况正在迅速发生变化。
一个国际科学家团队的一项新研究揭示了335个新的强引力透镜的候选者,他们根据对亚利桑那望远镜项目“暗能量光谱仪(DESI)”的数据进行深入研究而得出。 该研究于5月7日在《天体物理学杂志》上发表,得益于在国际科学竞赛中获胜的机器学习算法。
参与这项研究的劳伦斯·伯克利国家实验室(伯克利实验室)物理部门的资深科学家戴维·施莱格尔说:“这些物体就像寻找一个银河系的望远镜一样。 它们是暗物质和暗能量的有力探测器。”如果通过这些新发现的引力透镜候选者观测到超新星并精确跟踪和测量它们,可以为精确测量到古老宇宙中星系的距离提供特定的标记。强透镜还打开了通往看不见的暗物质宇宙的窗口。暗物质约占宇宙物质的85%,因为大多数产生透镜效应的就是暗物质。暗物质和由暗能量驱动的宇宙加速膨胀是物理学家正在努力解决的最大谜团。
在最新研究中,研究人员应用伯克利实验室国家能源研究科学计算中心(NERSC)的超级计算机Cori自动比较来自暗能量相机(DECaLS)的成像数据,这是为准备DESI(训练样本为423个已知镜片和9,451个非镜片)而进行的三项调查之一。
研究人员根候选强引力透镜分为三类:A:最有可能是引力透镜的60个候选者;B:特征较差的105个候选者;C:其他两个类别相比,具有较弱和较小的透镜功能的176个候选者。
该研究的主要作者黄晓生指出,该团队已经在哈勃太空望远镜上开始实施,以确认研究中揭示的一些最有希望的透镜候选者,并观察了从2019年底开始的哈勃太空望远镜的观测结果。哈勃太空望远镜可以看到精细的细节,且不会受地球大气的影响而模糊。借助于神经网络来识别候选透镜,该神经网络是人工智能的一种形式,可以训练计算机程序以逐渐改善其图像匹配度,提高识别透镜的成功率。训练神经网络需要几个小时,有一个非常复杂分类问题:“什么是透镜?”和“什么不是透镜?”
首先对透镜图像进行了一些繁杂的人工分析,以帮助计算机程序从数以万计的图像中选择最佳图像来训练神经网络。这些选择不仅仅是随机选择,需要挑选看起来像透镜但不是透镜的人工选择的例子来扩充这个训练集。
研究人员已经对最新研究中使用的算法进行了改进,以加快识别可能的透镜的速度。虽然估计每10,000个星系中只有1个可能确认是透镜,但神经网络可以排除大多数非透镜。最新的程序只需要几十张图像,而不是浏览10,000张图像。
该神经网络最初是为2016年11月至2017年2月举行的编程竞赛——``强引力透镜发现挑战赛''而开发的,旨在激发程序员开发用于寻找强引力透镜的自动化程序。随着观测数据以及像各类大型天气观测望远镜项目的增长,使用复杂的人工智能工具来挖掘这些数据的竞争日益激烈。