Yerdeki Sloan Dijital Gökyüzü Araştırması teleskopu, erken evrene ait çok büyük miktarda kuasar spektrumu yakaladı. Eğitimli bir yapay zeka derin sinir ağı, ilk kez, bu kuasar spektral verileri içerisinde erken galaksilerin soğuk ortamı tarafından oluşturulan rekor kıran, zayıf nötr karbon soğurma hattı sondalarını keşfetti. Kredi bilgileri: YI Yuechen
Bilim insanları, SDSS-III’den elde edilen kuasar spektral verilerini analiz etmek için derin öğrenmeyi kullandı; 107 nadir nötr karbon soğurucuyu başarılı bir şekilde tespit etti ve erken galaksi evrimine dair yeni bilgiler sağladı. Yöntemleri, gökbilimcilerin evreni incelemek için yapay zekayı kullanma biçimini değiştirebilir ve diğer araştırma araçlarını tamamlayabilir. James Webb Uzay Teleskobu.
Son zamanlarda araştırmacılar, derin öğrenme sinir ağlarını kullanarak Sloan Digital Sky Survey III (SDSS-III) programı tarafından yayınlanan kuasar spektral verilerindeki nadir zayıf sinyalleri aradılar. Ekip, galaksi oluşumunu ve evrimini keşfetmek için yeni bir yöntem sunarak, yapay zekanın (AI) astronomik büyük verilerdeki nadir zayıf sinyalleri belirlemedeki potansiyelini ortaya koydu. Geçtiğimiz günlerde yayımlanan bu çalışma Kraliyet Astronomi Topluluğunun Aylık BildirimleriÇin Bilimler Akademisi Şangay Astronomi Gözlemevi’nden Prof. Jian Ge liderliğindeki uluslararası bir ekip tarafından yürütüldü.
Nötr Karbon Emicilerin Tespitinde Zorluklar
Evrendeki tozlu soğuk gazdan gelen “nötr karbon emiciler”, galaksi oluşumunu ve evrimini incelemek için çok önemli sondalar olarak hizmet ediyor. Ancak nötr karbon soğurma hatlarının sinyalleri zayıf ve son derece nadirdir. Gökbilimciler, geleneksel korelasyon yöntemlerini kullanarak devasa kuasar spektral veri kümelerindeki bu soğurucuları tespit etmekte zorlandılar.
Prof. Ge. “Samanlıkta iğne aramaya benziyor” dedi. 2015 yılında, SDSS tarafından daha önce yayımlanan onbinlerce kuasarın spektrumunda 66 nötr karbon soğurucu keşfedildi; bu, elde edilen en fazla örnek sayısıdır.
Emici Algılamada Çığır Açan Gelişme
Bu çalışmada, Prof. Ge’nin ekibi, gerçek gözlemlere dayanarak çok sayıda simüle edilmiş nötr karbon emme hattı örnekleriyle derin sinir ağları tasarladı ve eğitti. Ekip, bu iyi eğitilmiş sinir ağlarını SDSS-III verilerine uygulayarak, 107 adet son derece nadir nötr karbon soğurucu keşfetti; bu, 2015 yılında elde edilen örnek sayısını iki katına çıkardı ve öncekine göre daha zayıf sinyaller tespit etti.
Tespitin Geliştirilmesi ve Galaksinin Evriminin Anlaşılması
Ekip, çok sayıda nötr karbon emicinin spektrumlarını istifleyerek, çeşitli elementlerin bolluğunu tespit etme yeteneğini önemli ölçüde geliştirdi ve tozun neden olduğu gazdaki metal kaybını doğrudan ölçtü. Sonuçlar, nötr karbon soğurucu sondalar içeren bu ilk gökadaların, evren yalnızca üç milyar yaşındayken (evrenin şu anki yaşı 13,8 milyardır) hızlı fiziksel ve kimyasal evrim geçirdiğini gösterdi. Bu galaksiler Büyük Macellan Bulutu (LMC) ile Büyük Macellan Bulutu (LMC) arasında bir evrim aşamasına giriyorlardı. Samanyolu (MW), bazıları toz parçacıkları oluşturacak şekilde bağlanan önemli miktarda metal üretir ve toz kırmızılaşmasının gözlemlenen etkisine yol açar.
James Webb Uzay Teleskobu Bulgularını Tamamlıyoruz
Bu keşif, evrendeki en eski yıldızlarda elmas benzeri karbon tozu tespit eden James Webb Uzay Teleskobu’nun (JWST) son bulgularını bağımsız olarak doğruluyor; bazı galaksilerin önceden beklenenden çok daha hızlı evrimleştiğini öne sürüyor ve mevcut galaksi oluşumu ve evrim modellerine meydan okuyor.
Galaksi emisyon spektrumları üzerinden araştırma yapan JWST’den farklı olarak bu çalışma, kuasarların soğurma spektrumlarını gözlemleyerek erken galaksileri araştırıyor. Nötr karbon soğurucuları bulmak için iyi eğitilmiş sinir ağlarının uygulanması, JWST’nin araştırma yöntemlerini tamamlayan, evrenin ve galaksilerin erken evrimi üzerine gelecekteki araştırmalar için yeni bir araç sağlar.
Gelecek Yönergeleri ve Yapay Zeka Yenilikleri
Prof. Ge, “Devasa astronomik verilerdeki nadir ve zayıf sinyalleri hızlı, doğru ve kapsamlı bir şekilde keşfedebilecek yenilikçi yapay zeka algoritmaları geliştirmek gerekiyor” dedi. Ekip, soluk görüntü sinyallerinin etkili eğitimi ve tespiti için yapay “çok yapılı” görüntüler oluşturmak üzere birden fazla ilgili yapıyı çıkararak bu çalışmada tanıtılan yöntemi görüntü tanımaya tanıtmayı amaçlamaktadır.
Referans: Jian Ge, Kevin Willis, Kaixuan Chao, Albert Jan, Yinan Zhao ve Hannah Fang, 14 Mayıs 2024, “Derin bir sinir ağıyla nadir nötr atomik karbon emicilerin tespit edilmesi”, Kraliyet Astronomi Topluluğunun Aylık Bildirimleri.
DOI: 10.1093/mnras/stae799
