Forskning från Penns institution för fysik och astronomi har producerat den största katalogen över galaxmorfologisk klassificering hittills. Leds av tidigare postdoktorer Jesús Vega-Ferrero och Helena Domínguez Sánchez, som arbetade med professor Mariangela Bernardi, denna katalog med 27 miljoner galaxmorfologier ger viktiga insikter i universums utveckling. Studien publicerades i Månatliga meddelanden från Royal Astronomical Society .

Forskarna använde data från Dark Energy Survey (DES), ett internationellt forskningsprogram vars mål är att avbilda en åttondel av himlen för att bättre förstå mörk energis roll i den accelererande expansionen av universum.

En biprodukt av denna undersökning är att DES-data innehåller många fler bilder av avlägsna galaxer än andra undersökningar hittills. "DES-bilderna visar oss hur galaxer såg ut för mer än 6 miljarder år sedan, säger Bernardi.

Och eftersom DES har miljontals högkvalitativa bilder av astronomiska objekt, det är den perfekta datamängden för att studera galaxmorfologi. "Galaxmorfologi är en av nyckelaspekterna av galaxens evolution. Galaxernas form och struktur har mycket information om hur de bildades, och att känna till deras morfologier ger oss ledtrådar om de troliga vägarna för bildandet av galaxerna, " säger Domínguez Sánchez.

Tidigare, forskarna hade publicerat en morfologisk katalog för mer än 600, 000 galaxer från Sloan Digital Sky Survey (SDSS). Att göra detta, de utvecklade ett konvolutionellt neuralt nätverk, en typ av maskininlärningsalgoritm, som automatiskt kunde kategorisera om en galax tillhörde en av två huvudgrupper:spiralgalaxer, som har en roterande skiva där nya stjärnor föds, och elliptiska galaxer, som är större, och gjorda av äldre stjärnor som rör sig mer slumpmässigt än sina motsvarigheter i spiralform.

Men katalogen som utvecklades med SDSS-datauppsättningen var i första hand gjord av ljusa, närliggande galaxer, säger Vega-Ferrero. I deras senaste studie, forskarna ville förfina sin neurala nätverksmodell för att kunna klassificera svagare, mer avlägsna galaxer. "Vi ville tänja på gränserna för morfologisk klassificering och försöka gå längre än, till svagare föremål eller föremål som är längre bort, " säger Vega-Ferrero.

Att göra detta, forskarna var först tvungna att träna sin neurala nätverksmodell för att kunna klassificera de mer pixlade bilderna från DES-datauppsättningen. De skapade först en träningsmodell med tidigare kända morfologiska klassificeringar, består av en uppsättning om 20, 000 galaxer som överlappade mellan DES och SDSS. Sedan, de skapade simulerade versioner av nya galaxer, efterlikna hur bilderna skulle se ut om de var längre bort med hjälp av kod utvecklad av stabsforskaren Mike Jarvis.

När modellen väl tränades och validerades på både simulerade och verkliga galaxer, den applicerades på DES-datauppsättningen, och den resulterande katalogen med 27 miljoner galaxer innehåller information om sannolikheten för att en enskild galax är elliptisk eller spiralformad. Forskarna fann också att deras neurala nätverk var 97 % korrekt vid klassificering av galaxmorfologi, även för galaxer som var för svaga för att klassificeras med ögat.

"Vi tänjde på gränserna med tre storleksordningar, till objekt som är 1, 000 gånger svagare än de ursprungliga, " säger Vega-Ferrero. "Det är därför vi kunde inkludera så många fler galaxer i katalogen."

"Kataloger som denna är viktiga för att studera galaxbildning, Bernardi säger om betydelsen av den här senaste publikationen. "Denna katalog kommer också att vara användbar för att se om morfologin och stjärnpopulationerna berättar liknande historier om hur galaxer bildades."

För den senare punkten, Domínguez Sánchez kombinerar för närvarande sina morfologiska uppskattningar med mått på den kemiska sammansättningen, ålder, stjärnbildningshastighet, massa, och avståndet till samma galaxer. Att införliva denna information gör det möjligt för forskarna att bättre studera sambandet mellan galaxens morfologi och stjärnbildning, arbete som kommer att vara avgörande för en djupare förståelse av galaxens evolution.

Bernardi säger att det finns ett antal öppna frågor om galaxens evolution som både denna nya katalog, och metoderna som utvecklats för att skapa den, kan hjälpa till att adressera. Den kommande LSST/Rubin-undersökningen, till exempel, kommer att använda liknande fotometrimetoder som DES men kommer att ha förmågan att avbilda ännu mer avlägsna objekt, ger en möjlighet att få ännu djupare förståelse för universums utveckling.