L’apprendimento automatico usato per trovare nuove lenti gravitazionali

Candidate lenti gravitazionali
Un articolo pubblicato sulla rivista “The Astrophysical Journal” riporta l’identificazioni di 335 nuove candidate lenti gravitazionali scoperte utilizzando un software di apprendimento automatico addestrato per questo compito. Un team di astrofisici guidato da Xiaosheng Huang della University of San Francisco ha sottoposto immagini dell’indagine DECaLS ottenendo 335 possibili lenti gravitazionali finora sconosciute. La verifica verrà compiuta da esseri umani e 60 candidate sono state inserite nel gruppo che ha le maggiori probabilità di essere confermate. Le lenti gravitazionali aiutano gli astronomi nelle osservazioni di oggetti molto lontani dietro di esse perciò più ne sono conosciute più è probabile che possano essere utili in qualche ricerca.

Per ottenere un effetto di lente gravitazionale forte è necessario che la forza di gravità dell’oggetto sia tale da distorcere la luce che le passa vicino in modo notevole. Perfino una galassia può essere troppo piccola per ottenere un effetto sufficiente a essere utile e tipicamente questo tipo di lente è costituita da un ammasso galattico. Quell’effetto viene scoperto in modo molto pratico, cercando di esaminare altri oggetti che sono dietro di essi dal punto di vista dell’osservatore sulla Terra. Si tratta di un metodo che richiede lungo tempo perché richiede esami specifici e allora ecco che le tecnologie moderne vengono in aiuto agli astronomi, in particolare un software di apprendimento automatico che gira su un supercomputer.

Il supercomputer Cori al Lawrence Berkeley National Laboratory (Berkeley Lab) è stato usato per la fase di addestramento e la successiva ricerca di lenti gravitazionali. I ricercatori hanno adottato un modello adattato da quello creato da François Lanusse e colleghi e descritto in un articolo pubblicato nel gennaio 2018 sulla rivista “Monthly Notices of the Royal Astronomical Society”. Negli anni trascorsi ci sono state varie evoluzioni nel campo software e lo sviluppo di una libreria usata dal software originale è stato abbandonato, di conseguenza i ricercatori hanno reimplementato il modello in TensorFlow, il sistema di apprendimento automatico libero / open source creato da Google.

L’addestramento è avvenuto sottoponendo al software 423 lenti gravitazionali e 9451 oggetti di altro tipo. Quando il software ha imparato a riconoscere le lenti gravitazionali, i ricercatori gli hanno analizzare immagini dell’indagine DECaLS (Dark Energy Camera Legacy Survey). Il risultato è stato l’individuazione di 335 candidate lenti gravitazionali.

L’immagine (Dark Energy Camera Legacy Survey, Hubble Space Telescope) mostra alcune candidate lenti gravitazionali nelle fotografie dell’indagine DECaLS a colori e in fotografie catturate dal telescopio spaziale Hubble in bianco e nero.

Per essere confermati, i candidati devono avere certe caratteristiche e, a seconda di quanto corrispondano ad esse, sono stati divisi in tre gruppi: i 60 con un’elevata probabilità di essere approvate nel gruppo A, 105 con caratteristiche meno pronunciate nel gruppo B e le 176 che corrispondono meno a quelle caratteristiche nel gruppo C.

Il software di apprendimento automatico potrà essere ulteriormente perfezionato nel tempo aiutando a scoprire altre lenti gravitazionali. I risultati saranno utili per nuove osservazioni di oggetti lontani anche miliardi di anni luce. Altre candidate potranno essere cercate in futuro grazie a nuove indagini: ad esempio, l’indagine Dark Energy Spectroscopic Instrument (DESI), un passo successivo a DECaLS, è nelle ultime fasi di preparazione.

Leave a Reply

Your email address will not be published. Required fields are marked *