Uluslararası Radyo Astronomi Araştırmaları Merkezi’ndeki (ICRAR) astronomlar tarafından yürütülen bir araştırma, galaksilerin şekillerindeki varyasyonların açıklamasını keşfetmiş olabilir.
Araştırmacılar, yapay zekayı kullanarak galaksilerin evrimi hakkında uzun süredir devam eden bir soruyu potansiyel olarak çözerek araştırma süreçlerini hızlandırdı.
Araştırmacılar, araştırmalarını hızlandırmak için yapay zekayı (AI) kullanarak galaksilerin evrimi hakkında uzun süredir devam eden bir soruyu potansiyel olarak çözmüşlerdir.
1926’da galaksi şekillerini kategorize eden bir sistem olan Hubble Dizisinin icadından bu yana, teknolojimiz ilerledikçe gökbilimciler galaksi evrimi ve morfolojisi anlayışımızı sürekli olarak geliştiriyorlar.
1970’lerde araştırmacılar, yalnız gökadaların sarmal biçimli olma eğiliminde olduğunu ve gökada kümelerinde bulunanların eliptik ve merceksi (mercek şeklinde) olarak bilinen düz ve özelliksiz olma ihtimalinin yüksek olduğunu doğruladılar.
EAGLES programının yapay zeka tarafından değerlendirildiği şekliyle galaksiyi nasıl sınıflandırdığının bir temsili. Kredi bilgileri: ICRAR
dergide yayınlandı Royal Astronomical Society’nin Aylık BildirimleriUluslararası Radyo Astronomi Araştırmaları Merkezi’ndeki (ICRAR) astronomlar tarafından yürütülen yeni araştırma, şekillerdeki bu farklılıkların nedenini ortaya çıkarmış olabilir.
Batı Avustralya Üniversitesi’nden baş yazar Dr. Joel Pfeffer ICRARaraştırmanın “morfoloji-yoğunluk ilişkisini” açıkladığını söyledi – burada kümelenmiş gökadalar, tek başına benzerlerine göre daha pürüzsüz ve daha özelliksiz görünüyor.
Dr. Pfeffer, “Pek çok galaksiyi bir araya getirdiğimizde birkaç farklı şeyin olduğunu keşfettik,” dedi.
“Galaksilerdeki sarmal kollar çok kırılgandır ve gökada kümelerinde daha yüksek yoğunluklara çıktıkça sarmal gökadalar gazlarını kaybetmeye başlar.
“Bu gaz kaybı, sarmal kollarını ‘düşürerek’ merceksi bir şekle dönüşmelerine neden oluyor.”
“Başka bir neden de, sonrasında büyük bir eliptik gökada oluşturmak için iki veya daha fazla sarmal gökadanın birbirine çarptığını görebilen gökada birleşmeleridir.”
Çalışma, galaksileri şekillerine göre sınıflandırmak için bir AI algoritması kullanarak bir grup galaksiyi ayrıntılı olarak analiz etmek için güçlü EAGLE simülasyonlarını kullandı.
Sinir ağı tabanlı algoritma, ICRAR Ph.D. tarafından eğitildi. aday Mitchell Cavanagh ve dakikada yaklaşık 20.000 gökadayı sınıflandırarak, tipik olarak haftalarca sürecek olanı bir saate sıkıştırabilir.
Simülasyonlar, Evrende gözlemlenenlerle yakından eşleşir ve araştırmacılara, galaksi kümelerinin gözlemlerini yorumlamak için simülasyon sonuçlarını kullanma konusunda güven verir.
Çalışma ayrıca, iki gökadanın birleşmesiyle yaratıldığını öne süren modelleme ile, beklendiği yüksek yoğunluklu bölgelerin dışında birkaç merceksi gökada tanımladı.
Dr. Pfeffer çalışmanın, morfoloji-yoğunluk ilişkisini ilk kez anlamak için galaktik evrimdeki çeşitli araştırma parçalarını bir araya getirdiğini söyledi.
“Zaman içinde birçok öneri geldi” dedi. “Ama bu, yapbozun tüm parçalarını gerçekten bir araya getiren ilk çalışma.”
Referans: “The galaxy morphology-density Relations in the EAGLE Simulation” yazan Joel Pfeffer, Mitchell K Cavanagh, Kenji Bekki, Warrick J Couch, Michael J Drinkwater, Duncan A Forbes ve Bärbel S Koribalski, 16 Aralık 2022, Royal Astronomical Society’nin Aylık Bildirimleri.
DOI: 10.1093/mnras/stac3466
