Con l'ausilio di tecniche di machine learning, un team di astronomi ha scoperto una dozzina di quasar che sono stati deformati da una "lente" cosmica naturale e divisi in quattro immagini simili. I quasar sono nuclei estremamente luminosi di galassie lontane che sono alimentati da buchi neri supermassicci.

Negli ultimi quattro decenni, gli astronomi avevano trovato circa 50 di questi "quasar quadrupli, " o quad in breve, che si verificano quando la gravità di una galassia massiccia che si trova di fronte a un quasar divide la sua singola immagine in quattro. L'ultimo studio, che durò solo un anno e mezzo, aumenta il numero di questi quad conosciuti di circa il 25% e dimostra il potere dell'apprendimento automatico per assistere gli astronomi nella loro ricerca di queste stranezze cosmiche.

"I quad sono miniere d'oro per ogni tipo di domanda. Possono aiutare a determinare il tasso di espansione dell'universo, e aiuta ad affrontare altri misteri, come la materia oscura e i motori centrali dei quasar, '", dice Daniel Stern, autore principale del nuovo studio e ricercatore presso il Jet Propulsion Laboratory, che è gestito da Caltech per la NASA. "Non sono solo aghi in un pagliaio, ma coltellini svizzeri perché hanno così tanti usi".

Le scoperte, da pubblicare in Il Giornale Astrofisico , sono stati realizzati combinando strumenti di apprendimento automatico con dati provenienti da diversi telescopi terrestri e spaziali, compresa la missione Gaia dell'Agenzia spaziale europea; Wide-field Infrared Survey Explorer della NASA (o WISE); Osservatorio W. M. Keck su Maunakea, Hawaii; l'Osservatorio Palomar del Caltech; il New Technology Telescope dell'Osservatorio europeo meridionale in Cile; e il telescopio Gemini South in Cile.

Dilemma cosmologico

Negli ultimi anni, è emersa una discrepanza sul valore preciso del tasso di espansione dell'universo, nota anche come costante di Hubble. Due mezzi principali possono essere utilizzati per determinare questo numero:uno si basa sulle misurazioni della distanza e della velocità degli oggetti nel nostro universo locale, e l'altro estrapola il tasso da modelli basati su radiazioni lontane rimaste dalla nascita del nostro universo, chiamato il fondo cosmico a microonde. Il problema è che i numeri non corrispondono.

"Ci sono errori sistematici potenzialmente nelle misurazioni, ma sembra sempre meno probabile, " dice Stern. "Più allettante, la discrepanza nei valori potrebbe significare che qualcosa nel nostro modello dell'universo è sbagliato e c'è una nuova fisica da scoprire".

I nuovi quasar quad, cui la squadra ha dato soprannomi come Wolf's Paw e Dragon Kite, aiuterà nei futuri calcoli della costante di Hubble e potrebbe illuminare il motivo per cui le due misurazioni primarie non sono allineate. I quasar si trovano tra gli obiettivi locali e distanti utilizzati per i calcoli precedenti, così danno agli astronomi un modo per sondare la gamma intermedia dell'universo. Una determinazione basata su quasar della costante di Hubble potrebbe indicare quale dei due valori è corretto, o, forse più interessante, potrebbe mostrare che la costante si trova da qualche parte tra il valore determinato localmente e quello distante, un possibile segno di fisica precedentemente sconosciuta.

Illusioni gravitazionali

La moltiplicazione delle immagini di quasar e di altri oggetti nel cosmo si verifica quando la gravità di un oggetto in primo piano, come una galassia, piega e ingrandisce la luce degli oggetti dietro di esso. Il fenomeno, chiamato lente gravitazionale, è stato visto molte volte prima. A volte i quasar sono lenti in due immagini simili; meno comunemente, sono lenti in quattro.

"I quad sono migliori dei quasar a doppia immagine per gli studi di cosmologia, come misurare la distanza dagli oggetti, perché possono essere squisitamente ben modellati, ", afferma il coautore George Djorgovski, professore di astronomia e data science al Caltech. "Sono laboratori relativamente puliti per effettuare queste misurazioni cosmologiche".

Nel nuovo studio, i ricercatori hanno utilizzato i dati di WISE, che ha una risoluzione relativamente grossolana, per trovare probabili quasar, e quindi ha utilizzato la risoluzione nitida di Gaia per identificare quale dei quasar WISE fosse associato a possibili quasar con immagine quadrupla. The researchers then applied machine-learning tools to pick out which candidates were most likely multiply imaged sources and not just different stars sitting close to each other in the sky. Follow-up observations using Keck Observatory's Low Resolution Imaging Spectrometer (LRIS), as well as Palomar Observatory, the New Technology Telescope, and Gemini-South confirmed which of the objects were indeed quadruply imaged quasars lying billions of light-years away.

Humans and Machines Working Together

The first quad found with the help of machine-learning, nicknamed Centaurus' Victory, was confirmed during an all-nighter the team spent at Caltech, with collaborators from Belgium, Francia, and Germany, while using a dedicated computer in Brazil, recalls co-author Alberto Krone-Martins of UC Irvine. The team had been remotely observing their objects using the Keck Observatory.

"Machine learning was key to our study but it is not meant to replace human decisions, " explains Krone-Martins. "We continuously train and update the models in an ongoing learning loop, such that humans and the human expertise are an essential part of the loop. When we talk about 'AI' in reference to machine-learning tools like these, it stands for Augmented Intelligence not Artificial Intelligence."

"Alberto not only initially came up with the clever machine-learning algorithms for this project, but it was his idea to use the Gaia data, something that had not been done before for this type of project, " says Djorgovski.

"This story is not just about finding interesting gravitational lenses, " lui dice, "but also about how a combination of big data and machine learning can lead to new discoveries."