Makine Öğrenimi Kara Delik Gizemlerini Nasıl Çözüyor?

Bir galaksi birleşmesinden daha fazlası gerekir Kara delik büyür ve yeni yıldızlar oluşur: makine öğrenme hızlı büyümeyi başlatmak için soğuk gaza da ihtiyaç duyulduğunu gösteriyor.

Aktif olduklarında süper kütleli kara delikler galaksilerin evrimleşme biçiminde çok önemli bir rol oynar. Şimdiye kadar büyümenin iki gökadanın şiddetli çarpışması ve ardından birleşmesiyle tetiklendiği düşünülüyordu; ancak Bath Üniversitesi tarafından yürütülen yeni araştırma, gökada birleşmelerinin tek başına kara deliği beslemek için yeterli olmadığını öne sürüyor. merkeze ev sahibi galaksinin de ihtiyacı var.

Bu hafta dergide yayınlanan yeni çalışma Kraliyet Astronomi Topluluğunun Aylık Bildirimleri Galaksi birleşmeleri, süper kütleli kara delik birikimi ve yıldız oluşumu arasındaki ilişkiyi araştırmak amacıyla galaksi birleşmelerini sınıflandırmak için makine öğrenimini kullanan ilk kişi olduğuna inanılıyor. Şimdiye kadar birleşmeler (çoğunlukla yanlış bir şekilde) yalnızca insan gözlemine göre sınıflandırılıyordu.

Fizik Bölümü Doktora öğrencisi Mathilda Avirett-Mackenzie, “İnsanlar galaksi birleşmelerini ararken, neye baktıklarını her zaman bilmiyorlar ve bir birleşme olup olmadığına karar vermek için çok fazla sezgi kullanıyorlar” dedi. Bath Üniversitesi ve araştırma makalesinin ilk yazarı. Çalışma, ortaklar arasındaki bir işbirliğiydi. BiD4BEST (Kara Delik Evrimi Çalışmaları için Büyük Veri Uygulamaları), Yenilikçi Eğitim Ağı süper kütleli kara deliklerin oluşumu konusunda doktora eğitimi vermektedir.

Şöyle ekledi: “Birleşmeleri sınıflandırmak için bir makineyi eğiterek, galaksilerin gerçekte ne yaptığına dair çok daha doğru bir okuma elde edersiniz.”

Süper Kütleli Kara Delikler

Süper kütleli kara delikler tüm büyük galaksilerin merkezinde bulunur (ölçek hissi vermek için, SamanyoluYaklaşık 200 milyar yıldızla, yalnızca orta büyüklükte bir galaksidir). Bu süper boyutlu kara delikler genellikle güneşimizin kütlesinin milyonlarca ila milyarlarca katı arasında bir ağırlığa sahiptir.

Hayatlarının çoğunda bu kara delikler hareketsizdir, madde etraflarında dönerken sessizce dururlar ve galaksinin tamamı üzerinde çok az etkiye sahiptirler. Ancak yaşamlarındaki kısa aşamalar boyunca (yalnızca astronomik ölçekte kısa ve büyük olasılıkla milyonlarca ila yüz milyonlarca yıl süren), büyük miktarlarda gazı kendilerine doğru çekmek için yerçekimi kuvvetlerini kullanırlar (birikme olarak bilinen bir olay). tüm galaksiyi gölgede bırakabilecek parlak bir disk.

Galaksi evrimi için en önemli şey bu kısa aktivite aşamalarıdır, çünkü yığılma yoluyla açığa çıkan büyük miktardaki enerji galaksilerde yıldızların nasıl oluştuğunu etkileyebilir. O halde, bir galaksinin iki durumu (durgunluk ve yıldız oluşumu) arasında hareket etmesine neyin sebep olduğunu belirlemek, haklı olarak, astrofizikteki en büyük zorluklardan biridir.

Bayan Avirett-Mackenzie, “Galaksi evriminde süper kütleli kara deliklerin rolünü belirlemek, evrene ilişkin çalışmalarımızda çok önemlidir” dedi.

İnsan Denetimi ve Makine Öğrenimi

Onlarca yıldır teorik modeller, galaksiler birleştiğinde kara deliklerin büyüdüğünü ileri sürüyordu. Ancak uzun yıllardır galaksi birleşmeleri ile kara delik büyümesi arasındaki bağlantıyı inceleyen astrofizikçiler bu modellere basit bir soruyla meydan okuyorlar: Galaksi birleşmelerini güvenilir bir şekilde nasıl tespit ederiz?

Görsel inceleme en yaygın kullanılan yöntem olmuştur. İnsan sınıflandırıcıları (uzmanlar veya halktan kişiler) galaksileri gözlemler ve her ikisi de galaksi birleşmeleriyle ilişkili olan yüksek asimetrileri veya uzun gelgit kuyruklarını (uzaya uzanan yıldızların ve yıldızlararası gazın ince, uzun bölgeleri) belirler.

Ancak bu gözlemsel yöntem hem zaman alıcıdır hem de güvenilmezdir çünkü insanların sınıflandırmalarında hata yapması kolaydır. Sonuç olarak birleşme çalışmaları sıklıkla çelişkili sonuçlar vermektedir.

Bath liderliğindeki yeni çalışma için araştırmacılar, yapay zeka kullanımı yoluyla kara delik büyümesi ile galaksi evrimi arasındaki bağlantıyı inceleyerek birleşmelerin sınıflandırılma şeklini iyileştirme zorluğunu üstlendiler.

İnsan Beyninden İlham Alındı

Simüle edilmiş galaksi birleşmeleri üzerinde bir sinir ağını (insan beyninden ilham alan ve biyolojik nöronların birbirlerine sinyal verme şeklini taklit eden bir makine öğrenimi alt kümesi) eğittiler, ardından bu modeli kozmosta gözlemlenen galaksilere uyguladılar.

Bunu yaparak, birleşmeleri insani önyargılar olmadan tespit edebildiler ve galaksi birleşmeleri ile kara delik büyümesi arasındaki bağlantıyı inceleyebildiler. Sinir ağının, birleşmeleri belirlemede insan sınıflandırıcılarından daha iyi performans gösterdiğini ve aslında insan sınıflandırıcılarının, normal galaksileri birleşmelerle karıştırma eğiliminde olduklarını gösterdiler.

Bu yeni metodolojiyi uygulayan araştırmacılar, birleşmelerin kara delik büyümesiyle güçlü bir şekilde ilişkili olmadığını göstermeyi başardılar. Birleşme imzaları, süper kütleli kara deliklerin biriktiği ve biriktirmediği galaksilerde eşit derecede yaygındır.

Yaklaşık 8.000 biriken kara delik sisteminden oluşan son derece büyük bir örnek kullanılarak – bu da ekibin soruyu daha ayrıntılı olarak incelemesine olanak sağladı – birleşmelerin yalnızca çok spesifik bir gökada türünde kara delik büyümesine yol açtığı bulundu: yıldız oluşumu Önemli miktarda soğuk gaz içeren galaksiler.

Bu, galaksi birleşmelerinin kara delikleri beslemek için tek başına yeterli olmadığını gösteriyor: kara deliğin büyümesine izin vermek için büyük miktarlarda soğuk gazın da mevcut olması gerekir.

Bayan Avirett-Mackenzie şunları söyledi: “Galaksilerin yıldız oluşturabilmesi için, yıldızlara dönüşebilecek soğuk gaz bulutları içermeleri gerekir. Süper kütleli kara delik birikmesi gibi yüksek enerjili süreçler bu gazı ısıtır, ya onu çökemeyecek kadar enerjik hale getirir ya da galaksinin dışına fırlatır.”

Şunları ekledi: “Açık bir gecede, galaksimizdeki büyük, yıldız oluşturan bölge ve türünün Dünya’ya en yakın örneği olan Orion Bulutsusu’nda bu sürecin gerçek zamanlı olarak gerçekleştiğini hemen hemen fark edebilirsiniz. yakın zamanda oluşan yıldızlar ve hala oluşmaya devam eden yıldızlar.”

Fizik Bölümü’nde kıdemli öğretim görevlisi ve Bayan Avirett-Mackenzie’nin Bath’taki danışmanı Dr. Carolin Villforth şunları söyledi: “Şimdiye kadar herkes birleşmeleri aynı şekilde, görsel sınıflandırma yoluyla çalışıyordu. Bu yöntemle, daha ince özellikleri tespit edebilen uzman sınıflandırıcılar kullanıldığında, yalnızca birkaç yüz galaksiye bakabildik, daha fazlasını değil.

“Bunun yerine makine öğrenimini kullanmak, aynı anda binlerce galaksiyi analiz edebileceğiniz tamamen yeni ve çok heyecan verici bir alanın önünü açıyor. Gerçekten büyük örnekler üzerinden tutarlı sonuçlar elde edersiniz ve herhangi bir anda bir kara deliğin birçok farklı özelliğine bakabilirsiniz.”

Referans: MS Avirett-Mackenzie, C Villforth, M Huertas-Company, S Wuyts, DM Alexander, S Bonoli, A Lapi, IE tarafından “Yalnızca yıldız oluşturan Tip 2 Seyfert galaksilerinde birleşme sonrası iyileştirme: derin öğrenme görünümü” Lopez, C Ramos Almeida ve F Shankar, 22 Şubat 2024, Kraliyet Astronomi Topluluğunun Aylık Bildirimleri.
DOI: 10.1093/mnras/stae183