|
Space.com：最大的星系位于我们宇宙的超星系团“城市”中 如果我们穿越天文学的每个时代，就会先遇到古人思考为什么天上有静止的萤火虫一般的星星。 然后，我们会看到图书馆里关于这些“萤火虫”实际上是我们巨大黄色太阳的“兄弟姐妹”的卷轴，再到解释我们的整个世界是如何绕着太阳运行的书籍。 最终，我们会看到科学家们发现重力依赖于时空结构，获得银河系之外五彩缤纷的星系图像，并计算出超大质量黑洞的严格界限。 然而，当我们接近现代时，会观察到一些有趣的现象。 我们会看到天文学家和机器之间不断增强的联系，使我们能够更快地打开宇宙的门。 华盛顿大学的博士后研究员高希（Aritra Ghosh）就是这样的天文学家之一。 例如，高希最近确认，宇宙中密集区域的星系比低密度区域中质量和形状相似的星系大25%。 在这里，“大小”指的是星系中包含其50%总光线发射的半径。这本身是一个重要的结果，但更重要的是，值得强调的是它是如何实现的：通过机器学习研究比人类一生中可能分析的更多个别星系。准确地说，数据集中有289.4716万个星系。 高希告诉Space.com，“在过去十年中，像我这样的许多天文学家进行了艰苦的研究，建立了对机器学习的信任，证明它可以复制传统技术。最终，我们可以开始利用这些技术来挖掘新的科学成果。” 事实上，这个大规模星系样本来自一个更大规模的样本，高希利用机器学习获得了这个样本。最初的样本通过一个名为GaMPEN的调查工具获取，涵盖了780.5186万个星系的数据，新研究的小样本是根据星系在天空中的位置选择的。 GaMPEN可以在一毫秒内根据用户选择的参数确定星系的结构；高希和他的研究伙伴使用了一个参数，这个参数揭示了与星系中心凸起相比，星系外盘的光线比例。 高希说，“我想向更广泛的社区展示如何将机器学习和大型成像数据集结合起来，在天体物理学的长期问题上取得进展”。 在近八百万个星系样本中，高希选取了那些先前计算已知的宇宙密度的区域。在研究中，“密集”环境包括许多星团超级星团的区域。超级星团是大量星系团的巨大集合（一个星系团有时可包含约一千个星系！），通常位于遍布整个宇宙的宇宙网的线上。你可以将它们想象成宇宙的市中心。 高希说，“我们在日本的合作伙伴，由Rhythm Shimakawa领导，测量了环境密度。他们使用非机器学习的计算机算法，在天空的不同部分放置半径为三千万光年的圆，并统计每个圆内的星系数量，密集区域的圆有着高于平均的星系数量。” 一旦确定了样本集，高希和她的团队开始观察星系大小和环境之间的相关性。 由于星系的质量与其大小和环境密切相关，例如，更大质量的星系通常更大，并且生活在更密集的环境中，团队比较了不同环境中相同质量星系的大小。 高希解释道，“由于大质量星系很少见。我们与理论天体物理学家合作开发了一种新的相关性分析指标。” 不仅如此，这是有史以来关于星系大小和环境研究中使用的最大目录之一。高希推测，它很可能在任何天体物理学研究的前五名中，因为它还拥有一个高希所说的错误修正机制，这在以前的类似研究中基本不存在，这部分归功于机器学习组件。 高希进一步解释，以前的研究认为星团内的强大动力会逐渐剥离星系的物质，使其变小，但团队在密集的超级星团环境中看到的是更大的星系。 高希说，“我们先在较小的子集上测试了我们的相关算法。当我们首次对三百万个星系的整个样本进行分析并注意到强烈的正相关时，这就是‘啊哈’时刻。” 至于原因？有一些可能性。一种解释是，宇宙中密集区域内的星系失去的“物质”是由普通的质子、中子和电子组成的标准物质。这引发了一个问题： 暗物质呢？或许这种不可见的物质在保持星系较大方面起了作用。科学家已经表明，大多数大型星系都生活在暗物质的晕中，包括我们自己的银河系。 高希说，“我们的研究表明，当你对许多星团平均时，暗物质成为主要的驱动力，逆转了在个别星团中看到的趋势”。 然而，也有可能密集环境中的星系在首次形成时就更大；还有一种可能是，密集环境增加了星系合并的概率和便利性。 高希说，“一个有趣的后续研究工作将是检查当你改变测量密度的圆的半径时，结果会如何变化。如果你用一百万光年的半径而不是30呢？这将告诉我们宇宙在不同尺度上的物理如何影响星系。” 与此同时，该团队的目光已经转向即将在2025年初迎来首次观测宇宙光的Rubin天文台及其将要产生的大规模数据集。 高希说，“我目前的研究员职位是专注于Rubin天文台，它将在其生命周期内观测二百亿个星系。” 即使Rubin天文台在未来找到了新的难题碎片，而不是将它们拼在一起，高希的研究也已经取得了具体的成功。 它证明了机器可以信任地处理关于我们带它们进入的宇宙的问题。 这项研究于8月14日发表在《天体物理学杂志》上。  哈勃太空望远镜拍摄的球状星团 NGC 6652     NGC 6822  这些是银河系晕内的球状星团。 大部分球状星团位于蛇夫座和射手座，这两个星座都位于银河系核心的方向。 来源： https://www.space.com/bigger-gal ... ts-machine-learning By Monisha Ravisetti published 2 days ago "Over the last decade, many astronomers, like me, have conducted painstaking studies to develop trust in machine learning." |
