L’apprentissage automatique est la clé de la découverte de plus de 1200 lentilles gravitationnelles – Technoguide

Les données des anciennes enquêtes d’imagerie DESI (Dark Energy Spectroscopic Instrument) ont révélé plus de 1200 nouvelles lentilles gravitationnelles, doublant approximativement le nombre de lentilles connues. Découvertes à l’aide d’un apprentissage automatique formé sur des données réelles, ces images déformées et étirées de galaxies lointaines fournissent aux astronomes un flot de nouvelles cibles avec lesquelles mesurer les propriétés fondamentales de l’Univers telles que la constante de Hubble, qui décrit l’univers en expansion.

Les astronomes à la recherche de lentilles gravitationnelles ont utilisé l’apprentissage automatique pour inspecter le vaste ensemble de données connu sous le nom de DESI Legacy Imaging Surveys, découvrant 1210 nouvelles lentilles. Les données ont été collectées à l’Observatoire interaméricain de Cerro Tololo (CTIO) et à l’Observatoire national de Kitt Peak (KPNO), tous deux programmes du NOIRLab de la National Science Foundation. Les ambitieuses enquêtes d’imagerie des héritages de DESI viennent de sortir de leur neuvième et dernière publication de données.

Discutées dans les revues scientifiques depuis les années 1930, les lentilles gravitationnelles sont des produits de la théorie générale de la relativité d’Einstein. La théorie dit qu’un objet massif, tel qu’un amas de galaxies, peut déformer l’espace-temps. Certains scientifiques, dont Einstein, ont prédit que cette déformation de l’espace-temps pourrait être observable, comme un étirement et une distorsion de la lumière d’une galaxie d’arrière-plan par un amas de galaxies au premier plan. Les lentilles apparaissent généralement dans les images sous forme d’arcs et de stries autour des galaxies de premier plan et des amas de galaxies.

On s’attend à ce que seulement 1 galaxie massive sur 10000 montre une forte lentille gravitationnelle [1], et les localiser n’est pas facile. Les lentilles gravitationnelles permettent aux astronomes d’explorer les questions les plus profondes de notre Univers, y compris la nature de la matière noire et la valeur de la constante de Hubble, qui définit l’expansion de l’Univers. Une limitation majeure de l’utilisation des lentilles gravitationnelles jusqu’à présent a été le petit nombre d’entre elles connues.

“Une galaxie massive déforme l’espace-temps autour d’elle, mais généralement vous ne remarquez pas cet effet. Ce n’est que lorsqu’une galaxie est cachée directement derrière une galaxie géante qu’il est possible de voir une lentille”, note l’auteur principal de l’étude, Xiaosheng Huang de l’Université de San Francisco. “Lorsque nous avons lancé ce projet en 2018, il n’y avait qu’environ 300 verres forts confirmés.”

«En tant que co-chef de file des enquêtes sur les héritages DESI, j’ai réalisé que ce serait le jeu de données parfait pour rechercher des lentilles gravitationnelles», explique le co-auteur de l’étude David Schlegel du Lawrence Berkeley National Laboratory (LBNL). “Mon collègue Huang venait de terminer l’enseignement d’un cours de premier cycle sur l’apprentissage automatique à l’Université de San Francisco, et ensemble nous avons réalisé que c’était une occasion parfaite d’appliquer ces techniques à la recherche de lentilles gravitationnelles.”

L’étude de lentille a été possible en raison de la disponibilité de données scientifiques prêtes à partir des enquêtes d’imagerie héritées de DESI, qui ont été menées pour identifier les cibles des opérations de DESI, et à partir desquelles le neuvième et dernier ensemble de données vient d’être publié. Ces études comprennent un mélange unique de trois projets qui ont observé un tiers du ciel nocturne: le Dark Energy Camera Legacy Survey (DECaLS), observé par la Dark Energy Camera (DECam) sur le télescope Víctor M. Blanco de 4 mètres au CTIO au Chili; l’enquête Mayall z-band Legacy Survey (MzLS) [2], par la caméra Mosaic3 du télescope Nicholas U. Mayall de 4 mètres au KPNO; et le Beijing-Arizona Sky Survey (BASS) par la caméra 90Prime sur le télescope Bok de 2,3 mètres, qui est détenu et exploité par l’Université de l’Arizona et situé à KPNO.

«Nous avons conçu le projet d’imagerie Legacy Surveys à partir de zéro en tant qu’entreprise publique, afin qu’il puisse être utilisé par n’importe quel scientifique», a déclaré le co-auteur de l’étude Arjun Dey, du NOIRLab de NSF. «Notre enquête a déjà produit plus d’un millier de nouvelles lentilles gravitationnelles, et il y en a sans aucun doute beaucoup d’autres en attente de découverte.

Les données de DESI Legacy Imaging Surveys sont servies à la communauté astronomique via le laboratoire de données Astro du centre communautaire de science et de données (CSDC) de NOIRLab. «Fournir des ensembles de données scientifiques pour la découverte et l’exploration est au cœur de notre mission», a déclaré Adam Bolton, directeur du CSDC. «Le DESI Legacy Imaging Surveys est une ressource clé qui peut être utilisée pendant des années par la communauté astronomique pour des enquêtes comme celles-ci.

Pour analyser les données, Huang et son équipe ont utilisé le supercalculateur du National Energy Research Scientific Computer Center (NERSC) du Berkeley Lab. «Les enquêtes d’imagerie DESI Legacy étaient absolument cruciales pour cette étude; pas seulement les télescopes, les instruments et les installations, mais aussi la réduction des données et l’extraction des sources», explique Huang. “La combinaison de l’ampleur et de la profondeur des observations est sans précédent.”

Avec l’énorme quantité de données scientifiques sur lesquelles travailler, les chercheurs se sont tournés vers une sorte d’apprentissage automatique connue sous le nom de réseau neuronal résiduel profond. Les réseaux neuronaux sont des algorithmes de calcul qui sont quelque peu comparables à un cerveau humain et sont utilisés pour résoudre des problèmes d’intelligence artificielle. Les réseaux neuronaux profonds ont de nombreuses couches qui peuvent décider collectivement si un objet candidat appartient à un groupe particulier. Pour pouvoir le faire, cependant, les réseaux de neurones doivent être formés pour reconnaître les objets en question [3].

Avec le grand nombre de lentilles candidates désormais disponibles, les chercheurs peuvent effectuer de nouvelles mesures de paramètres cosmologiques tels que la constante de Hubble. La clé sera de détecter une supernova dans la galaxie d’arrière-plan, qui, lorsqu’elle est cristallisée par une galaxie de premier plan, apparaîtra comme plusieurs points de lumière. Maintenant que les astronomes savent quelles galaxies montrent des preuves de fortes lentilles, ils savent où chercher. De nouvelles installations telles que l’observatoire Vera C. Rubin (actuellement en construction au Chili et exploité par NOIRLab) surveilleront des objets comme ceux-ci dans le cadre de sa mission, permettant à toute supernova d’être mesurée rapidement par d’autres télescopes.

Les étudiants de premier cycle ont joué un rôle important dans le projet depuis ses débuts. L’étudiant de l’Université de Californie, Andi Gu, a déclaré: «Mon rôle dans le projet m’a aidé à développer plusieurs compétences qui, selon moi, sont essentielles pour ma future carrière universitaire.

Remarques

[1] Les lentilles gravitationnelles fortes sont celles où l’effet est facilement visible sous la forme d’arcs ou d’anneaux d’Einstein.

[2] bande z signifie que les données ont été prises dans l’infrarouge, centrées sur une longueur d’onde de 900 nm.

[3] À titre d’exemple, imaginez essayer d’entraîner un humain qui n’a jamais vu le ciel nocturne à reconnaître une étoile. Il faudrait décrire certaines caractéristiques: il est petit, il est clair, il est sur un fond sombre. Mais immédiatement, il y a des défis. Et si plusieurs étoiles étaient proches les unes des autres? Et si le ciel est un peu nuageux? Et si l’objet clignote (ce n’est donc pas du tout une étoile, mais un avion)? Il devient rapidement clair que définir un ensemble clair de règles pour décrire un objet est en fait très difficile. Cependant, tout être humain qui a vu le ciel nocturne pourra simplement reconnaître d’autres étoiles une fois qu’il les aura vues. C’est le genre de choses pour lesquelles les humains sont très bons et les ordinateurs sont très mauvais. D’où la nécessité de former des réseaux neuronaux très sophistiqués pour reconnaître les objets désirés.

Plus d’information

Cette recherche a été présentée dans l’article Discovering New Strong Gravitational Lenses in the DESI Legacy Imaging Surveys à paraître dans The Astrophysical Journal.

L’équipe est composée de X. Huang (Département de physique et d’astronomie, Université de San Francisco), C. Storfer (Département de physique et d’astronomie, Université de San Francisco), A. Gu (Département de physique, Université de Californie, Berkeley ), V. Ravi (Département d’informatique, Université de San Francisco), A. Pilon (Département de physique et d’astronomie, Université de San Francisco), W. Sheu (Département de physique, Université de Californie, Berkeley), R. Venguswamy (Département de physique, Université de Californie, Berkeley), S.Banka (Département de physique, Université de Californie, Berkeley), A. Dey (NOIRLab de la NSF), M. Landriau (Division de physique, Lawrence Berkeley National Laboratory), D . Lang (Division de physique, Lawrence Berkeley National Laboratory; Département d’astronomie et d’astrophysique, Université de Toronto; Institut Perimeter de physique théorique, Waterloo), A. Meisner (NOIRLab de la NSF), J. Moustakas (Département de physique et d’astronomie, Siena College ), AD Myers (Départ ment of Physics & Astronomy, University of Wyoming), R. Sajith (Département de physique, University of California, Berkeley), EF Schlafly (NSF’s NOIRLab) et DJ Schlegel (Physics Division, Lawrence Berkeley National Laboratory).

.

Lire plus

A propos Technoguide

Voir aussi

La série Nvidia CMP est-elle anti-consommateur? L’intention de la série semble être de tuer le marché de la revente d’occasion

Les crypto-monnaies ont pris le relais pour le moment et cela a siphonné toutes les …

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Défiler vers le haut