Som kristallkulor för universums djupare mysterier, galaxer och andra massiva rymdobjekt kan fungera som linser till mer avlägsna objekt och fenomen längs samma väg, böjer ljuset på ett avslöjande sätt.

Gravitationslinsing teoretiserades först av Albert Einstein för mer än 100 år sedan för att beskriva hur ljus böjs när det färdas förbi massiva objekt som galaxer och galaxhopar.

Dessa linseffekter beskrivs vanligtvis som svaga eller starka, och styrkan hos en lins relaterar till ett objekts position och massa och avstånd från ljuskällan som är linserad. Starka linser kan ha 100 miljarder gånger mer massa än vår sol, få ljus från mer avlägsna föremål i samma bana att förstora och dela, till exempel, i flera bilder, eller att framstå som dramatiska bågar eller ringar.

Den största begränsningen för starka gravitationslinser har varit deras brist, med endast flera hundra bekräftade sedan den första observationen 1979, men det förändras ... och snabbt.

En ny studie av ett internationellt team av forskare avslöjade 335 nya starka objektivkandidater baserade på en djupdykning i data som samlats in för ett teleskopprojekt med stöd av US Department of Energy i Arizona kallat Dark Energy Spectroscopic Instrument (DESI). Studien, publicerad 7 maj in The Astrophysical Journal , dragit nytta av den vinnande maskininlärningsalgoritmen i en internationell vetenskapstävling.

"Att hitta dessa objekt är som att hitta teleskop som är lika stora som en galax, sa David Schlegel, en senior vetenskapsman vid Lawrence Berkeley National Laboratory's (Berkeley Labs) Physics Division som deltog i studien. "De är kraftfulla sonder av mörk materia och mörk energi."

Dessa nyupptäckta gravitationslinskandidater skulle kunna tillhandahålla specifika markörer för att exakt mäta avstånd till galaxer i det antika universum om supernovor observeras och exakt spåras och mäts via dessa linser, till exempel.

Starka linser ger också ett kraftfullt fönster in i det osedda universum av mörk materia, som utgör cirka 85 procent av materien i universum, eftersom det mesta av massan som är ansvarig för linseffekter tros vara mörk materia. Mörk materia och universums accelererande expansion, driven av mörk energi, är bland de största mysterier som fysiker arbetar med att lösa.

I den senaste studien, forskare värvade Cori, en superdator vid Berkeley Labs National Energy Research Scientific Computing Center (NERSC), för att automatiskt jämföra bilddata från Dark Energy Camera Legacy Survey (DECaLS) - en av tre undersökningar som genomfördes som förberedelse för DESI - med ett träningsprov på 423 kända linser och 9, 451 icke-linser.

Forskarna grupperade kandidatens starka linser i tre kategorier baserat på sannolikheten att de är, faktiskt, linser:Betyg A för de 60 kandidaterna som med största sannolikhet är linser, Betyg B för de 105 kandidaterna med mindre uttalade egenskaper, och klass C för de 176 kandidatlinserna som har svagare och mindre linsegenskaper än de i de två andra kategorierna.

Xiaosheng Huang, studiens huvudförfattare, noterade att teamet redan lyckats vinna tid på Hubble Space Telescope för att bekräfta några av de mest lovande objektivkandidaterna som avslöjades i studien, med att observera tid på Hubble som började i slutet av 2019.

"Rymdteleskopet Hubble kan se de fina detaljerna utan de suddiga effekterna av jordens atmosfär, " sa Huang.

Linskandidaterna identifierades med hjälp av ett neuralt nätverk, vilket är en form av artificiell intelligens där datorprogrammet tränas i att gradvis förbättra sin bildmatchning över tid för att ge en ökande framgångsgrad för att identifiera linser. Datoriserade neurala nätverk är inspirerade av det biologiska nätverket av neuroner i den mänskliga hjärnan.

"Det tar timmar att träna det neurala nätverket, ", sa Huang. "Det finns en mycket sofistikerad passande modell av "Vad är en lins?" och "Vad är inte en lins?"

Det gjordes en noggrann manuell analys av linsbilder för att hjälpa till att välja de bästa bilderna för att träna nätverket bland tiotusentals bilder, Huang noterade. Han mindes en lördag då han satte sig ner med forskarstudenter under hela dagen för att porera över tiotusentals bilder för att utveckla provlistor över linser och icke-linser.

"Vi valde inte bara dessa slumpmässigt, " sa Huang. "Vi var tvungna att utöka den här uppsättningen med handvalda exempel som ser ut som linser men inte är linser, " till exempel, "och vi valde ut de som kan vara potentiellt förvirrande."

Studentmedverkan var nyckeln i studien, han lade till. "Eleverna arbetade flitigt med det här projektet och löste många svåra problem, allt samtidigt som du tar en hel del lektioner, " sa han. En av eleverna som arbetade med studien, Christopher Storfer, valdes senare ut för att delta i DOE Science Undergraduate Laboratory Internship (SULI)-programmet vid Berkeley Lab.

Forskare har redan förbättrat algoritmen som användes i den senaste studien för att påskynda identifieringen av möjliga linser. Medan uppskattningsvis 1 av 10, 000 galaxer fungerar som en lins, det neurala nätverket kan eliminera de flesta icke-linser. "Istället för att gå igenom 10, 000 bilder för att hitta en, nu har vi bara några tior, " han sa.

Det neurala nätverket utvecklades ursprungligen för The Strong Gravitational Lens Finding Challenge, en programmeringstävling som pågick från november 2016 till februari 2017 som motiverade utvecklingen av automatiserade verktyg för att hitta starka linser.

Med en växande mängd observationsdata, och nya teleskopprojekt som DESI och Large Synoptic Survey Telescope (LSST) som nu är planerad att starta 2023, det råder hård konkurrens om att bryta denna data med hjälp av sofistikerade artificiell intelligensverktyg, sa Schlegel.

"Den konkurrensen är bra, " sa han. Ett team baserat i Australien, till exempel, hittade också många nya objektivkandidater med ett annat tillvägagångssätt. "Omkring 40 procent av vad de hittade gjorde vi inte, "och likaså studien som Schlegel deltog i fann många linningskandidater som det andra laget inte hade.

Huang sa att teamet har utökat sitt sökande efter linser i andra källor för sky-imaging data, och teamet överväger också om de ska ansluta till en bredare uppsättning datorresurser för att påskynda jakten.

"Målet för oss är att nå 1, 000" nya objektivkandidater, sa Schlegel.

NERSC är en DOE Office of Science User Facility.

Studiedeltagare inkluderade forskare från University of San Francisco, Berkeley Lab, National Optical Astronomy Observatory, Siena College, University of Wyoming, University of Arizona, University of Toronto och Perimeter Institute for Theoretical Physics i Kanada, och Université Paris-Saclay i Frankrike.