Astrónomos que buscaban lentes gravitacionales utilizaron técnicas de machine learning para inspeccionar un enorme set de datos conocido como DESI (Dark Energy Spectroscopic Instrument) Legacy Imaging Surveys, y revelar 1.210 nuevos lentes gravitacionales. Todos los datos fueron obtenidos en Cerro Tololo (CTIO) y el Observatorio Nacional de Kitt Peak (KPNO), ambos programas de Observatorio AURA y NOIRLab de NSF.
Los lentes gravitacionales están ampliamente asociados con la teoría General de la Relatividad de Einstein que dice que un objeto muy masivo, como por ejemplo un cúmulo de galaxias, puede deformar el espacio-tiempo. Algunos científicos, incluyendo Einstein, predijeron que esta distorsión del espacio y el tiempo se podrían observar como la luz de una galaxia de fondo estirada y deformada por un cúmulo de galaxias situadas delante de ella. Las lentes se ven en las imágenes como manchas y líneas curvas alrededor de estos cúmulos galácticos que están en el primer plano de una fotografía.
Se espera que solo una de 10.000 galaxias masivas muestren evidencia de fuertes lentes gravitacionales, y localizarlas está lejos de ser una tarea fácil. Las lentes gravitacionales permiten a los astrónomos explorar las preguntas más profundas sobre nuestro universo, incluyendo la naturaleza de la materia oscura y el valor de la constante de Hubble, que define la expansión del Universo. Una mayor limitación en el uso de las lentes gravitacionales hasta ahora es el pequeño número de galaxias con lentes.
El autor líder del estudio, Xiaosheng Huang de la Universidad de San Francisco, dijo que “una galaxia masiva deforma el espacio-tiempo alrededor de ésta, pero usualmente no notas este efecto. Sólo cuando la galaxia está escondida detrás de la galaxia gigante es posible observar una lente. Cuando comenzamos este proyecto en 2018, habían sólo 300 lentes confirmadas”.
“Como co-autor de la Investigación del Legado DESI me di cuenta que este set de datos sería perfecto para buscar las lentes gravitacionales”, explica el co-autor del estudio David Schiegel del Lawrence Berkeley National Laboratory (LBNL). “Mi colega Huang recién había terminado de enseñar a una clase de pregrado en machine learning en la Universidad de San Francisco, y juntos nos dimos cuenta que era una oportunidad perfecta para aplicar estas técnicas en una búsqueda de lentes gravitacionales”.
El estudio de lentes gravitacionales fue posible debido a la disponibilidad de datos científicos del DESI Legacy Imaging Surveys, que fue realizado para identificar objetivos para las operaciones de DESI, y de los cuales el noveno y set final de datos ha sido liberado. Estas investigaciones comprenden una mezcla única de tres proyectos que han observado un tercio del cielo nocturno: el Dark Energy Camera Legacy Survey (DECaLS), observada por la Cámara de Energía Oscura (DECam por su siglas en inglés) en el telescopio Víctor M. Blanco de 4 metros de Cerro Tololo (CTIO) en Chile; la banda z de Mayall Legacy Survey (MzLS) [2], observada por la cámara de Mosaic3 en el Telescopio de 4 metros de Nicholas U. Mayall en KPNO; y el Beijing-Arizona Sky Survey (BASS) que utilizó la cámara 90Prime del telescopio Bok de 2.3 metros, que es operado por la Universidad de Arizona ubicado en KPNO.
“Diseñamos el proyecto de imágenes de Legacy Surveys desde cero como una empresa pública, para que pudiera ser utilizado por cualquier científico“, dijo el coautor del estudio Arjun Dey, de NOIRLab de NSF. “Nuestro estudio ya ha arrojado más de mil lentes gravitacionales nuevos y, sin duda, hay muchos más esperando ser descubiertos”.
Los datos de DESI Legacy Imaging Surveys se entregan a la comunidad astronómica a través del Astro Data Lab en el Centro Comunitario de Ciencias y Datos (CSDC por sus siglas en inglés) de NOIRLab. “Proporcionar conjuntos de datos preparados para la ciencia para el descubrimiento y la exploración es fundamental para nuestra misión”, dijo el director del CSDC, Adam Bolton. “Las investigaciones de DESI son un recurso clave que la comunidad astronómica puede utilizar durante años para investigaciones como éstas“.
Para analizar los datos, Huang y su equipo utilizaron la supercomputadora NERSC en LBNL. “Las investigaciones de DESI Legacy Imaging Surveys fueron absolutamente cruciales para este estudio; no sólo los telescopios, los instrumentos y las instalaciones, sino también la reducción de datos y la extracción de fuentes ”, explica Huang. “La combinación de la amplitud y profundidad de las observaciones es incomparable“.
Con la enorme cantidad de datos científicos listos para trabajar, los investigadores recurrieron a un tipo de aprendizaje automático conocido como una red neuronal residual profunda. Las redes neuronales son sistemas informáticos que son algo comparables a un cerebro humano y se utilizan para resolver problemas de inteligencia artificial. Las redes neuronales profundas tienen muchas capas que colectivamente pueden decidir si un objeto candidato pertenece a un grupo en particular. Sin embargo, para poder hacer esto, las redes neuronales deben estar entrenadas para reconocer los objetos en cuestión [3].
Con la gran cantidad de candidatas de lentes gravitacionales a la mano, los investigadores ahora pueden realizar nuevas mediciones de parámetros cosmológicos como la constante de Hubble. La clave será detectar una supernova en la galaxia de fondo, que, cuando se distorsiona una galaxia en primer plano, aparecerá como múltiples puntos de luz. Ahora que los astrónomos saben qué galaxias muestran evidencia de lentes fuertes, saben dónde buscar. Instalaciones como el Observatorio Vera C. Rubin va a monitorear objetos como estos como parte de su misión, permitiendo que cualquier supernova sea medida rápidamente por las instalaciones de NOIRLab y otras.
Los estudiantes de pregrado jugaron un papel importante en el proyecto desde su inicio. El estudiante Andi Gu expresó: “Mi papel en el proyecto me ha ayudado a desarrollar varias habilidades que creo que serán clave para mi futura carrera académica“.
Fuente: NOIRLAB
