Superkomputer pomaga astronomom rozwiązać odwieczne pytanie dotyczące rozmiarów galaktyk i środowiska, w którym żyją.
Zespół astronomów korzystających z superkomputera Yale po raz pierwszy ustalił, że galaktyki w gęstszych środowiskach są aż o 25% większe niż ich odpowiedniki w mniej gęstych regionach Wszechświata.
Odkrycie, które powstało w wyniku wcześniejszego opracowania przez naukowców ogromnego katalogu kształtów i rozmiarów 8 milionów galaktyk, oferuje kompleksowe spojrzenie na związek między strukturą galaktyki a środowiskiem, w którym ona istnieje.
Naukowcy twierdzą, że odkrycie może okazać się przydatnym nowym narzędziem do analizy dużych zbiorów danych pochodzących z kolejnej generacji badań astronomicznych.
Jest to ważny krok w rozwiązaniu dziesięcioleci sprzecznych wyników na ten temat – powiedziała Arista Ghosh, była doktorantka Yale, która obecnie jest stypendystką LSST-DA Catalyst na University of Washington i główną autorką nowego badania opublikowanego w Astrophysical Journal.
Nowe odkrycia były możliwe dzięki Galaxy Morphology Posterior Estimation Network (GaMPEN), narzędziu do uczenia maszynowego, które zespół badawczy opracował specjalnie w celu szybkiego przetwarzania dużych ilości danych obrazowania astronomicznego. GaMPEN szacuje również niepewności dotyczące parametrów strukturalnych galaktyk, które przewiduje. Jak twierdzą naukowcy, jest on pod tym względem o około 60% dokładniejszy niż najnowocześniejsze rozwiązania alternatywne stosowane obecnie przez astronomów.
GaMPEN może określić strukturę pojedynczej galaktyki w czasie krótszym niż milisekunda.
Korzystając z tego narzędzia, naukowcy stworzyli katalog kształtów i rozmiarów 8 milionów galaktyk znalezionych w Hyper Suprime-Cam Subaru Strategic Program, przeglądzie 1400 stopni kwadratowych nieba wykonanych przez Teleskop Subaru na Hawajach. Praca ta została opublikowana w czasopiśmie The Astrophysical Journal w 2023 roku.
Publicznie udostępniamy wszystkie nasze modele i katalogi uczenia maszynowego – powiedziała Ghosh. Jest to niezwykle cenny sposób, ponieważ struktura galaktyk jest ściśle powiązana z szeroką gamą właściwości fizycznych galaktyki i jej otoczenia, takich jak tempo formowania się gwiazd, obecność i aktywność supermasywnych czarnych dziur oraz środowisko galaktyk.
Nasze podejście do uczenia maszynowego idealnie nadaje się do dzisiejszych ogromnych badań, a nasza pierwsza praca była wyjątkowa pod względem dostarczania ilościowych pomiarów i niepewności, nie wspominając o analizie 8 milionów gwiazd – dodała Meg Urry, profesor fizyki i astronomii Israela Musona na Wydziale Sztuk i Nauk Yale oraz współautorka obu badań. Urry, dyrektor Yale Center for Astronomy & Astrophysics, była promotorką doktoratu Ghosh.
Nowa badania zespołu wykorzystują GaMPEN, aby zacząć odpowiadać na złożone, istotne pytania dotyczące formowania się i ewolucji galaktyk.
Badania, które koncentrowały się na podzbiorze 3 milionów galaktyk HSC, wykazały, że galaktyki w gęstszych częściach Wszechświata są aż o 25% większe niż galaktyki o podobnej masie i kształcie w mniej gęstych regionach.
Możemy to zrobić, ponieważ nasza próba jest od 100 do 10 000 razy większa niż wszystkie poprzednie badania i obejmuje znacznie słabsze galaktyki, niż poprzednie badania były w stanie uwzględnić – powiedziała Ghosh. Pokazujemy, że podczas gdy istniejące ramy teoretyczne mogą wyjaśnić niektóre z obserwowanych korelacji, nie ma jednej, ujednoliconej struktury, która mogłaby wyjaśnić wszystkie nasze wyniki.
Naukowcy stwierdzili, że odkrycie to jest również ważne, ponieważ struktura galaktyk jest wskaźnikiem rozkładu materii barionowej (protonów, neutronów i innej widzialnej materii), podczas gdy na gęstość galaktyk w środowisku wpływa rozkład halo ciemnej materii, w których żyją galaktyki.
Galaktyki ewoluują w czasie, a ich właściwości zależą od masy, rozmiaru i innych zmiennych – powiedziała Urry. Analizując bardzo duże próbki, podzielone według tych zmiennych, byliśmy w stanie wykryć wzrost rozmiaru galaktyki wraz z gęstością środowiska – coś, co nie było jasne w mniejszych badaniach.
Opracowanie:
Agnieszka Nowak
Źródło:
Yale University
