12 augustus 2020

Speurtocht met neurale netwerken levert honderden nieuwe zwaartekrachtlenzen op

Links een zwaartekrachtslens vanaf de aarde gefotografeerd, rechts met Hubble. Credit: Dark Energy Camera Legacy Survey, Hubble Space Telescope.

Door met neurale netwerken, waarbij men een algoritme gebruikt dat ontwikkeld is voor machinaal leren,  te duiken in de gegevens die verzameld zijn in het kader van het Dark Energy Spectroscopic Instrument (DESI) zijn onderzoekers erin geslaagd om maar liefst 335 nieuwe sterke zwaartekrachtlenzen in het heelal te ontdekken. Zwaartekrachtlenzen werden meer dan honderd jaar geleden al voorspeld op basis van Einstein’s Algemene Relativiteitstheorie. Ze ontstaan als in het heelal het licht van bijvoorbeeld een zeer ver verwijderd sterrenstelsel onderweg naar de aarde een tussenliggend zwaar cluster van sterrenstelsels passeert en dat cluster door z’n massa de ruimte verbuigt (zie afbeelding hieronder).

Zo werkt een zwaartekrachtlens. Credit: NASA and ESA

Het licht van het verre sterrenstelsel zal daardoor verbuigen én versterkt worden, net zoals een lens in een telescoop invallend licht verbuigt en versterkt. Sterrenkundigen maken daarbij onderscheid tussen sterke en zwakke lenzen, afhankelijk van de massa van het tussenliggende lensobject. Wat de onderzoekers deden was op Cori, een supercomputer van Berkeley Lab in de VS, een algoritme draaien, dat ontwikkeld was in het kader van een internationale wedstrijd die eind 2016 en begin 2017 was, waarbij men neurale netwerken moest maken om sterke zwaartekrachtlenzen te vinden. Wat ze deden was de computer voeren met foto’s van sterrenstelsels, waarvan er 423 reeds bekende lenzen zijn en 9451 geen lenzen. Met zo’n neuraal netwerk, een vorm van kunstmatige intelligentie, leert de computer zelf nieuwe dingen, zoals het onderscheid maken tussen (clusters van) sterrenstelsels met of zonder een gelensd sterrenstelsel eromheen, zichtbaar als lichtzwakke, gebogen lijntjes (zie foto’s hierboven en onder).

Credit: Dark Energy Camera Legacy Survey, Hubble Space Telescope)

De foto’s waarmee Cori gevoerd werd waren afkomstig van de Dark Energy Camera Legacy Survey (DECaLS), één van de drie onderdelen van DESI, die gebruik maakt van de 4-meter Victor M. Blanco Telescoop van het Cerro Tololo Inter-American Observatorium (CTIO) in Chili. Dankzij z’n lerend vermogen kon de computer 335 nieuwe sterke zwaartekrachtlenzen ontdekken op de foto’s. Vervolgens werd met de Hubble ruimtetelescoop de ontdekking van enkele ervan bevestigd, een teken dat de ontdekking geen fout was. In the Astrophysical Journal verscheen over de waarnemingen een vakartikel.

Ehhh… nu we het toch over kunstmatige intelligentie hebben: onderzoekers van de Universiteit van Californië in Santa Cruz hebben met een nieuw computerprogramma genaamd Morpheus (hé, leuke naam) foto’s van sterrenstelsels pixel voor pixel geanalyseerd en daarmee konden ze al die sterrenstelsels classificeren. Sterrenstelsels zijn er in allerlei klassen, zoals spiraalstelsels, balkspiraalstelsels en elliptische stelsels. Morpheus kreeg foto’s te zien die gemaakt waren met Hubble en na analyse kon ‘ie daar allerlei klassen van sterrenstelsels in herkennen, zoals hieronder te zien.

Credit: NASA/STScI/Ryan Hausen

Ook Morpheus maakt gebruik van kunstmatige intelligentie, die ontwikkeld is om beelden en geluid te herkennen. Ook hiervan verscheen een vakartikel en wel in the Astrophysical Journal supplement series. Bron: Berkeley + Eurekalert.

Comments

  1. Het blijkt dat die lenzen net als die van glas ook onderhevig zijn aan sferische en chromatische Aberratie, het valt me mee dat ze toch nog zo scherp zijn. https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20180002197.pdf

  2. Ja, ik heb daar jaren terug ook al eens iets over geschreven. Gaat eigenlijk over de zon als lens. https://www.astroblogs.nl/2017/02/27/puik-idee-exoplaneten-in-detail-waarnemen-met-een-telescoop-met-de-zon-als-lens/

Speak Your Mind

*

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

%d bloggers liken dit: