Nedavno je međunarodni tim pod vodstvom prof. Ge Jian iz Šangajskog astronomskog opservatorija Kineske akademije znanosti proveo potragu za rijetkim slabim signalima u spektralnim podacima kvazara, objavljenim od strane Sloan Digital Sky Survey III (SDSS-III) programa, koristeći duboke neuronske mreže. Uvođenjem nove metode za istraživanje formiranja i evolucije galaksija, tim je pokazao potencijal umjetne inteligencije (UI) u prepoznavanju rijetkih slabih signala u velikim astronomskim podacima. “Neutralni apsorberi ugljika” (na eng. Neutral carbon absorbers) iz hladnog plina s prašinom u svemiru služe kao ključni pokazatelji za proučavanje formiranja i evolucije galaksija. Međutim, signali neutralnih ugljikovih apsorpcijskih linija su slabi i izuzetno rijetki. Astronomi su se mučili s detekcijom tih apsorbera u ogromnim spektralnim skupovima podataka kvazara koristeći konvencionalne korelacijske metode.
“To je poput traženja igle u plastu sijena,” rekao je prof. Ge. Godine 2015., otkriveno je 66 neutralnih ugljikovih apsorbera u spektrima desetaka tisuća kvazara, objavljenih ranije od strane SDSS-a, što je najveći broj dobivenih uzoraka. U ovoj studiji, tim prof. Gea dizajnirao je i trenirao duboke neuronske mreže s velikim brojem simuliranih uzoraka neutralnih ugljikovih apsorpcijskih linija temeljenih na stvarnim promatranjima. Primjenom ovih dobro uvježbanih neuronskih mreža na SDSS-III podatke, tim je otkrio 107 izuzetno rijetkih neutralnih ugljikovih apsorbera, udvostručivši broj uzoraka dobivenih 2015. godine, te je detektirao više slabih signala nego prije. Slažući spektre brojnih neutralnih ugljikovih apsorbera, tim je značajno poboljšao sposobnost detekcije obilja različitih elemenata i izravno izmjerio gubitak metala u plinu uzrokovanih prašinom.
Brza evolucija galaksija
Rezultati su pokazali da su te rane galaksije prošle kroz brzu fizičku i kemijsku evoluciju kada je svemir bio star samo oko tri milijarde godina (trenutna starost svemira je 13,8 milijardi godina). Te galaksije su ulazile u fazu evolucije između Velikog Magellanovog Oblaka (LMC) i Mliječne staze (MW), proizvodeći značajnu količinu metala, od kojih su neki vezali i formirali čestice prašine, što je dovelo do opaženog efekta crvenila prašine. Ovo otkriće neovisno potvrđuje nedavne nalaze svemirskog teleskopa James Webb (JWST) koji je detektirao dijamantnu ugljikovnu prašinu u najranijim zvijezdama u svemiru, sugerirajući da neke galaksije evoluiraju mnogo brže nego što se prethodno očekivalo, izazivajući postojeće modele formiranja i evolucije galaksija.
Za razliku od JWST-a koji provodi istraživanja putem emisijskih spektara galaksija, ova studija istražuje rane galaksije promatranjem apsorpcijskih spektara kvazara. Primjena dobro uvježbanih neuronskih mreža za pronalaženje neutralnih ugljikovih apsorbera pruža novi alat za buduća istraživanja rane evolucije svemira i galaksija, nadopunjujući metode istraživanja JWST-a. “Potrebno je razvijati inovativne UI algoritme koji mogu brzo, točno i sveobuhvatno istraživati rijetke i slabe signale u masovnim astronomskim podacima,” rekao je prof. Ge. Tim ima za cilj promicanje metode predstavljene u ovoj studiji u prepoznavanje slika, izvlačenjem više povezanih struktura za stvaranje umjetnih “multistruktura” slika za učinkovitu obuku i detekciju slabih signala slike. Studija je objavljena u časopisu Monthly Notices of the Royal Astronomical Society.
