Data från DESI (Dark Energy Spectroscopic Instrument) Legacy Imaging Survey har avslöjat över 1200 nya gravitationslinser, ungefär en fördubbling av antalet kända linser. Upptäckt med hjälp av maskininlärning tränad på verklig data, dessa skeva och utsträckta bilder av avlägsna galaxer förser astronomer med en flod av nya mål för att mäta universums grundläggande egenskaper som Hubble-konstanten, som beskriver det expanderande universum.

Astronomer som letade efter gravitationslinser använde maskininlärning för att inspektera den stora datamängden som kallas DESI Legacy Imaging Surveys, upptäcker 1210 nya linser. Data samlades in vid Cerro Tololo Inter-American Observatory (CTIO) och Kitt Peak National Observatory (KPNO), båda programmen i National Science Foundations NOIRLab. De ambitiösa DESI Legacy Imaging Surveys har precis släppt sin nionde och sista data.

Diskuterats i vetenskapliga tidskrifter sedan 1930-talet, gravitationslinser är produkter av Einsteins allmänna relativitetsteori. Teorin säger att ett massivt föremål, till exempel ett kluster av galaxer, kan förvränga rumtiden. Vissa forskare, inklusive Einstein, förutspådde att denna skevning av rymdtiden kan vara observerbar, som en sträckning och förvrängning av ljuset från en bakgrundsgalax av en förgrundskluster av galaxer. Linserna visas vanligtvis i bilder som bågar och ränder runt förgrundsgalaxer och galaxhopar.

Endast en av 10, 000 massiva galaxer förväntas visa bevis på stark gravitationslins, och det är inte lätt att hitta dem. Gravitationslinser tillåter astronomer att utforska de mest djupgående frågorna i vårt universum, inklusive karaktären av mörk materia och värdet av Hubble-konstanten, som definierar universums expansion. En stor begränsning av användningen av gravitationslinser hittills har varit det lilla antalet kända.

"En massiv galax förvränger rumtiden runt den, men vanligtvis märker du inte denna effekt. Först när en galax är gömd direkt bakom en jättegalax är en lins möjlig att se, " noterar huvudförfattaren till studien, Xiaosheng Huang från University of San Francisco. "När vi startade det här projektet 2018, det fanns bara cirka 300 bekräftade starka linser."

"Som medledare i DESI Legacy Surveys insåg jag att detta skulle vara den perfekta datamängden för att söka efter gravitationslinser, " förklarar studiens medförfattare David Schlegel från Lawrence Berkeley National Laboratory (LBNL). "Min kollega Huang hade precis avslutat sin undervisning i en grundutbildning i maskininlärning vid University of San Francisco, och tillsammans insåg vi att detta var ett perfekt tillfälle att tillämpa dessa tekniker för att söka efter gravitationslinser."

Linsstudien var möjlig på grund av tillgången på vetenskapligt redo data från DESI Legacy Imaging Surveys, som genomfördes för att identifiera mål för DESI:s verksamhet, och från vilken den nionde och sista datamängden just har släppts. Dessa undersökningar omfattar en unik blandning av tre projekt som har observerat en tredjedel av natthimlen:Dark Energy Camera Legacy Survey (DECaLS), observerad av Dark Energy Camera (DECam) på Víctor M. Blanco 4-metersteleskopet vid CTIO i Chile; Mayall z-band Legacy Survey (MzLS), av Mosaic3-kameran på Nicholas U. Mayall 4-metersteleskop vid KPNO; och Beijing-Arizona Sky Survey (BASS) av 90Prime-kameran på Bok 2,3-meters teleskop, som ägs och drivs av University of Arizona och ligger på KPNO.

"Vi designade Legacy Surveys bildprojekt från grunden som ett offentligt företag, så att den kan användas av vilken forskare som helst, " sa studiens medförfattare Arjun Dey, från NSF:s NOIRLab. "Vår undersökning har redan gett mer än tusen nya gravitationslinser, och det finns utan tvekan många fler som väntar på upptäckt.

DESI Legacy Imaging Surveys-data levereras till det astronomiska samhället via Astro Data Lab vid NOIRLabs Community Science and Data Center (CSDC). "Att tillhandahålla vetenskapligt redo datauppsättningar för upptäckt och utforskning är kärnan i vårt uppdrag, " sa CSDC:s direktör Adam Bolton. "DESI Legacy Imaging Surveys är en nyckelresurs som kan användas i många år framöver av astronomigemenskapen för undersökningar som dessa."

För att analysera data, Huang och teamet använde National Energy Research Scientific Computer Centers (NERSC) superdator vid Berkeley Lab. "DESI Legacy Imaging Surveys var helt avgörande för denna studie; inte bara teleskopen, instrument, och anläggningar men också dataminskning och källextraktion, " förklarar Huang. "Kombinationen av bredden och djupet av observationerna är oöverträffad."

Med den enorma mängden vetenskapligt redo data att arbeta igenom, forskarna vände sig till ett slags maskininlärning som kallas ett djupt kvarvarande neuralnät. Neurala nät är beräkningsalgoritmer som är lite jämförbara med en mänsklig hjärna och används för att lösa artificiell intelligensproblem. Djupa neurala nät har många lager som tillsammans kan avgöra om ett kandidatobjekt tillhör en viss grupp. För att kunna göra detta, dock, nervnäten måste tränas för att känna igen föremålen i fråga.

Med det stora antalet objektivkandidater nu till hands, forskare kan göra nya mätningar av kosmologiska parametrar som Hubble-konstanten. Nyckeln kommer att vara att upptäcka en supernova i bakgrundsgalaxen, som, när lins av en förgrundsgalax, kommer att visas som flera ljuspunkter. Nu när astronomer vet vilka galaxer som visar bevis för stark linsning, de vet var de ska söka. Nya anläggningar som Vera C. Rubin Observatory (för närvarande under uppbyggnad i Chile och drivs av NOIRLab) kommer att övervaka objekt som dessa som en del av sitt uppdrag, vilket gör att alla supernova kan mätas snabbt med andra teleskop.

Studenter på grundutbildningen spelade en betydande roll i projektet från början. University of California student Andi Gu sa, "Min roll i projektet har hjälpt mig att utveckla flera färdigheter som jag tror är nyckeln till min framtida akademiska karriär."

Denna forskning presenterades i artikeln "Discovering New Strong Gravitational Lenses in the DESI Legacy Imaging Surveys" för att visas i The Astrofysisk tidskrift .