Вселенная наполнена сверхмассивными черными дырами. Почти в каждой галактике в космосе есть такие черные дыры, и это наиболее хорошо изученные астрономами черные дыры. Но мы до сих пор не понимаем, как они так быстро стали такими огромными. Чтобы ответить на этот вопрос, астрономам необходимо идентифицировать множество черных дыр в ранней Вселенной, а поскольку они обычно обнаруживаются в сливающихся галактиках, это означает, что астрономам необходимо точно идентифицировать ранние галактики. Рукой. Но благодаря возможностям машинного обучения ситуация меняется.
Благодаря возможностям нынешних и будущих обзоров неба, задача астрономии заключается не столько в сборе правильных данных, сколько в отфильтровывании нужных данных из огромной сокровищницы, которую мы собираем. Требуется огромное мастерство, чтобы отличить настоящую сливающуюся галактику от неправильной галактики или двух независимых галактик, которые случайно оказались видны на одном участке неба. Людей можно научить делать это хорошо, но потребность в квалифицированных идентификаторах намного превышает количество квалифицированных людей. Один из способов преодолеть эту проблему – позволить волонтерам заполнить этот пробел. В целом их идентификация не будет такой точной, как у профессионалов, но немного статистики позволит астрономам почерпнуть полезную информацию.
В новом исследовании используется другой подход. Вместо того, чтобы эксперты обучали добровольцев, они использовали экспертов для обучения алгоритмам машинного обучения. Это легче сказать, чем сделать. Даже самый опытный эксперт иногда допускает ошибки или имеет определенные предубеждения, и любое программное обеспечение, обученное на основе этого эксперта, будет иметь такие же предубеждения. Поэтому команда стала сотрудничать с проектом ЕС «Приложения больших данных для исследований эволюции черных дыр» (BiD4BEST), который обеспечивает сеть обучения данным об эволюции черных дыр. Вместе они использовали опытных экспертов для выявления слияний черных дыр как в смоделированных данных, так и в данных Слоановского цифрового обзора неба (SDSS). Сравнивая эти два показателя, команда смогла устранить погрешности в данных машинного обучения. Результат оказался довольно успешным. Когда алгоритм сортировки сравнили с моделируемыми слияниями, они обнаружили, что его точность превышает 80%, что сравнимо с точностью самых опытных экспертов.
Затем команда использовала программное обеспечение для идентификации более 8000 активных черных дыр и обнаружила интересную связь между ростом черных дыр и их галактик. Не слияния галактик вызывают рост сверхмассивных черных дыр, а большое количество близлежащего холодного газа. Команда обнаружила, что слияния способствуют быстрому росту только тогда, когда они включают в себя слияние звездообразующих галактик, богатых газом и пылью. Таким образом, те же условия, которые приводят к образованию звезд, также приводят к образованию сверхмассивных черных дыр. Это одна из причин, почему галактики и их черные дыры растут параллельно.
Поскольку мы продолжаем собирать астрономические данные почти с экспоненциальной скоростью, программное обеспечение станет необходимым дополнением к опытным наблюдателям. Как показывает это исследование, они могут эффективно использоваться вместе.
Ссылка: Авиретт-Маккензи, MS и др. «Улучшение после слияния только в звездообразующих сейфертовских галактиках типа 2: взгляд на глубокое обучение». Ежемесячные уведомления Королевского астрономического общества 528.4 (2024): 6915-6933.
