新发现的38个强透镜候选体中的4个(图源:云南天文台)
记者30日从中国科学院云南天文台获悉,该台与云南大学研究人员合作,利用人工智能深度学习的方法,发现了38个新的强引力透镜候选体。英国《皇家天文学会月刊》新近发表了这项研究成果。
星系尺度的强引力透镜系统,是重要的宇宙学探针,可用于深入研究宇宙学和天体物理中的诸多科学问题,如暗物质性质、星系形成和演化以及哈勃常数的测量等。“现在最主要的问题就是样本太少,严重制约了相关天体物理学问题研究的深入开展。发现更多的样本,可以更好地从统计学上研究这些问题。因此,如何搜寻证认更多强透镜样本,也是当前天文学界的热门课题。”云南大学中国西南天文研究所宇宙学研究组尔欣中教授向记者介绍。
此前,通过下一代大规模测光巡天项目的开展,人们期待发现数以万计的强透镜系统,但如何在海量的天体图像中快速找到强透镜候选体,又成为新的课题。近年来,人工智能的快速发展,给天文工作者提供了一种新的可能。云南天文台丽江天文观测站龙潜研究员长期从事人工智能深度学习方面的研究,他与尔欣中教授团队合作,构建并训练了一个规模小、速度快、针对性强的卷积神经网络,这一网络可使用Julia语言,根据引力透镜数据的特点进行专门定制。
研究团队将新建的卷积神经网络应用于欧洲南方天文台2.6米巡天望远镜(VST)千平方度巡天数据,不久就发现了38个新的强透镜候选体。此外,通过测试网络在不同观测条件上的表现,以及用不同大小的训练集来训练网络,他们不但测试了其稳定性,还发现这一神经网络也可应用于其他巡天数据。
据了解,目前卷积神经网络已是各大型宇宙学巡天项目的热门工具。欧洲欧几里得望远镜和美国大口径综合巡天望远镜都在拟用类似的方法,来搜索强引力透镜系统。“新方法能极大提升搜索速度和效率,可以说是未来研究的必由之路。”尔欣中说。
来源:科技日报
作者:赵汉斌 陈艳
编辑:廖晨昊