Sanatçının kara delik kavramı. Bu temsil, yerçekimi alanı tarafından çekilen aşırı ısınmış malzemeden yapılmış bir diski ve ayrıca diske dik olarak püskürtülen malzeme jetlerini içerir. Bu jetler radyo frekanslarında parlak bir şekilde parlıyor; bu çalışmanın yazarları, makine öğrenimi tekniklerini kullanarak astronomik görüntülerin otomatik analizinden tahmin edebildikleri bir sinyal. Kredi bilgileri: S. Dagnello (NRAO/AUI/NSF)
Yaklaşan radyo teleskop gökyüzü araştırmaları milyonlarca erken Evren gökadasını gözlemleyecek şekilde ayarlandı. Ancak bu devasa veri akışının üstesinden gelmek için otomatik araçlar şarttır. Portekiz’deki Lizbon Üniversitesi Fen Fakültesi Astrofizik ve Uzay Bilimleri Enstitüsü’nden (IA) bir ekip tarafından geliştirilen bir algoritma, bu verileri işlemek ve merkezlerinde büyük kara delikler barındıran galaksileri belirlemek için tasarlandı.
Göz alabildiğine galaksiler derin Evrenin görüntülerini dolduruyor. Yıldızların şekillerini, renklerini ve popülasyonlarını hangi süreçler belirledi? Gökbilimciler, ilkel kara deliklerin galaksilerin büyüme ve dönüşümünün motorları olduğunu ve şu anda gördüğümüz kozmik manzarayı açıklayabileceğini düşünüyor.
Süper Parlak Galaksileri Tanımlamada Bir Atılım
Geçtiğimiz günlerde dergide yayınlanan bir makalede Astronomi ve Astrofizik, Astrofizik ve Uzay Bilimleri Enstitüsü’nden (IA) ve Lizbon Üniversitesi Fen Fakültesi’nden (Ciências ULisboa) Rodrigo Carvajal liderliğindeki uluslararası bir ekip, makine öğrenme Erken Evrendeki süper parlak galaksileri tanıyan teknik.
Bunlar, açgözlü bir canlının faaliyetinin hakimiyetinde olduğu düşünülen galaksilerdir. Kara delik onların özünde. Yazarlara göre bu, bu aktivitenin ne zaman radyo frekanslarında yoğun bir sinyal yaydığını tahmin eden ilk algoritma olmalı. Radyo emisyonları genellikle galaksinin diğer ışıklarından farklıdır ve bazen bunları birbirine bağlamak zordur. Yapay zekanın bu tekniği, gökbilimcilerin radyo galaksileri olarak adlandırılan aramalarda daha etkili olmalarını sağlayacak.
LOFAR radyo teleskopu ile gözlemlenen, görünür ışıkta gökyüzünün aynı bölgesine yerleştirilmiş radyo galaksileri seti (radyo frekanslarında önemli emisyona sahip galaksiler). Galaksinin görünür kısmından farklı olan radyo emisyonunun boyutu açıktır. Bunlar, bu araştırma ekibi tarafından geliştirilen makine öğrenimi algoritmasının eğitiminde kullanılan galaksilerden bazıları. Katkıda bulunanlar: Judith Croston ve LOFAR araştırma ekibi
İşbirliği ile geliştirilen algoritma Daha yakın Veri bilimine yönelik teknolojik çözümler sektöründe faaliyet gösteren şirket, elektromanyetik spektrumun çeşitli dalga boylarında elde edilen galaksi görüntüleriyle eğitildi. Diğer görüntülerle test edildiğinde, açık talimatlar kullanan geleneksel yöntemlere göre dört kat daha fazla radyo galaksisi tahmin edebildi. Makine öğrenimi kendi algoritmalarını geliştirirken, başarısını anlamaya çalışmak, bu galaksilerde, Dünya’dan 1,5 milyar yıl sonra meydana gelen fiziksel olayların açıklığa kavuşturulmasına yardımcı olabilir. Büyük patlamayani Evren şu andaki yaşının onda birine sahip olduğunda.
Daha Fazla Araştırma ve Analizin Önemi
“Gökyüzünde daha fazla aktif galaksi bulmalıyız çünkü Evrenin erken tarihinde çok daha fazlasının var olması gerektiğine dair tahminler var. Mevcut gözlemlere göre bu sayıya sahip değiliz” diyor Rodrigo Carvajal. Bu araştırmacıya göre, aktif galaksilerin nasıl evrimleştiğine dair mevcut anlayışın doğru olup olmadığını veya değiştirilmesi gerekip gerekmediğini doğrulamak için daha fazla gözlem yapılması gerekiyor.
Carvajal, “Makine öğrenimi modellerini analiz etmek ve içlerinde neler olduğunu anlamak da önemli” diye ekliyor. “Kararla en alakalı özellikler hangileri? Örneğin modülün aktif bir galaksi olduğunu belirtmiş olmasındaki en önemli özelliğin, galaksinin kızılötesinde yaydığı ışık olup olmadığını, muhtemelen yeni yıldızların hızlı oluşumunun bir göstergesi olup olmadığını bilmek istiyoruz. Bununla normal bir galaksi ile aktif bir galaksiyi birbirinden ayıracak yeni bir yasa üretebiliyoruz.”
Radyo Emisyonlarının ve Yıldız Oluşumunun Rolünün Araştırılması
Galaksinin özelliklerinin bilgisayarın aldığı karar üzerindeki göreceli ağırlığı, özellikle radyo bandındaki yoğun aktivitenin kökenine işaret edebilir. Hazırlık aşamasındaki bir çalışmada Carvajal, radyo emisyonu ile yıldızların oluşumu arasındaki bu görünür bağımlılığın sonuçlarını araştırıyor. IA’dan Israel Matute ve makalenin ikinci yazarı Ciências ULisboa konuyu şöyle açıklıyor: “Bu modeller, verilerin karmaşıklığı arttığında doğru yöne bakmamıza yardımcı olan matematiksel araçlardır. Bu çalışma, Evren tarihinin ikinci yarısında yeni yıldızların oluşumunu engelleyen süreçlere ışık tutabilir.”
Görünür ve kızılötesi ışıkta çeşitli teleskoplarla gerçekleştirilen gökyüzü haritasının geniş Sloan Dijital Gökyüzü Araştırması’nda (SDSS) yer alan gökyüzünün bir bölgesinin örneği. Bu araştırmanın yazarları tarafından radyo frekanslarında da gözlemlenen gökyüzünün bazı kısımlarından elde edilen görüntüler, makine öğrenimi algoritmasını test etmek için kullanıldı. Aktif galaksileri tespit etme ve radyo emisyonlarını tahmin etme konusundaki etkinliğini gösterdiler. Kredi bilgileri: Sloan Dijital Gökyüzü Araştırması
İlkel Evrende eksik gibi görünen galaksiler, modern radyo teleskoplarının önümüzdeki yıllarda üreteceği büyük miktarda verinin içinde olabilir. Gelecekte gökyüzünün geniş bölgelerine yönelik araştırmalar milyarlarca galaksiyi ortaya çıkaracak. Bunun bir örneği Evrenin Evrim Haritasıdır (DAÜ), tüm güney gök yarımküresini haritalandıracak AŞKAP Avustralya’da radyo teleskopu. IA liderliğindeki ekip halihazırda bu anketin pilot projesinden elde edilen verilerle çalışıyor. Bu araçlar mükemmelleştirildikten sonra gelecekteki Kilometre Kare Dizi Gözlemevi’nin astronomik miktardaki verilerinin işlenmesinde hayati önem taşıyacak (SKAO) üretecek. Portekiz, halihazırda inşaatı devam eden bu gözlemevinin konsorsiyumunun üyesidir.
IA ve Ciências ULisboa’dan ve bu makalenin ortak yazarı José Afonso, “Astronominin büyük miktarda veriye erişebileceği yeni bir çağda, bunların işlenmesi ve analizi için ileri tekniklerin geliştirilmesi giderek daha önemli hale geliyor” diyor. “IA’da, galaksilerin ve çoğunun barındırdığı süper kütleli kara deliklerin kökenini çözebilmek için bu teknikleri geliştiriyor ve uyguluyoruz.”
Closer şirketi ile IA arasındaki işbirliği fikri, ortak yazarlardan biri olan, Fizik alanında doktora sahibi ve Closer’da veri bilimci olan Helena Cruz tarafından ortaya atıldı. Onun katılımı, makine öğrenimi algoritmasını eğitmek için kullanılan (birkaç teleskop ve gözlem programından gelen) farklı veri kaynakları arasındaki belirsizliklerin ve tutarsızlıkların etkisini analiz etmek ve işlemek için çok önemliydi.
Helena Cruz, “Astronomi’nin, makine öğrenimi modellerinin araştırılması ve geliştirilmesi için büyük fırsatlara sahip bir alan olduğunun farkına vardım ve mesleki becerilerimi bu alana uygulamak bana mantıklı geldi” diyor. “İlgimi Closer ile paylaştım ve her iki taraf da işbirliği yapma isteklerini hemen gösterdi; bunu şirketteki işimin bir uzantısı olarak görüyorum.”
Closer’ın kurucu ortağı, profesörü ve araştırmacısı João Pires da Cruz şunu ekliyor: “Closer, işbirlikçilerinin bilgisinden güç alıyor; sermayesi burasıdır.” “Ekip üyelerimizin dahil olduğu projeler bilimsel açıdan ne kadar zorlu ve sofistike olursa şirketin sermayesi de o kadar büyük olacaktır. Müşterilerimizin uzak galaksilerden gelen sinyaller sorununa benzer sorunlarını çözebilecek işbirlikçilerimiz olacak.”
Referans: R. Carvajal, I. Matute, J. Afonso, RP Norris, KJ Luken, P. Sánchez-Sáez, PAC Cunha, A. Humphrey, H. Messias, S. Amarantidis, D. Barbosa, HA Cruz, H. Miranda, A. Paulino-Afonso ve C. Pappalardo, 6 Aralık 2023, Astronomi ve Astrofizik.
DOI: 10.1051/0004-6361/202245770