Un'immagine di NGC 1365 raccolta dal Dark Energy Survey. Conosciuta anche come la Grande Galassia Spirale Sbarrata, NGC 1365 è un esempio di galassia a spirale e si trova a circa 56 milioni di anni luce di distanza. Credito:DECam, Collaborazione DES
La ricerca del Dipartimento di Fisica e Astronomia di Penn ha prodotto il più grande catalogo di classificazione della morfologia delle galassie fino ad oggi. Guidati dagli ex postdoc Jesús Vega-Ferrero e Helena Domínguez Sánchez, che ha lavorato con la professoressa Mariangela Bernardi, questo catalogo di 27 milioni di morfologie di galassie fornisce informazioni chiave sull'evoluzione dell'universo. Lo studio è stato pubblicato su Avvisi mensili della Royal Astronomical Society .
I ricercatori hanno utilizzato i dati del Dark Energy Survey (DES), un programma di ricerca internazionale il cui obiettivo è quello di fotografare un ottavo del cielo per comprendere meglio il ruolo dell'energia oscura nell'accelerazione dell'espansione dell'universo.
Un sottoprodotto di questo sondaggio è che i dati DES contengono molte più immagini di galassie lontane rispetto ad altri sondaggi fino ad oggi. "Le immagini del DES ci mostrano come apparivano le galassie più di 6 miliardi di anni fa, "dice Bernardi.
E poiché DES ha milioni di immagini di alta qualità di oggetti astronomici, è il set di dati perfetto per studiare la morfologia delle galassie. "La morfologia della galassia è uno degli aspetti chiave dell'evoluzione delle galassie. La forma e la struttura delle galassie hanno molte informazioni sul modo in cui si sono formate, e conoscere le loro morfologie ci dà indizi sui probabili percorsi per la formazione delle galassie, " Dice Domínguez Sánchez.
In precedenza, i ricercatori avevano pubblicato un catalogo morfologico per più di 600, 000 galassie dalla Sloan Digital Sky Survey (SDSS). Per fare questo, hanno sviluppato una rete neurale convoluzionale, un tipo di algoritmo di apprendimento automatico, che era in grado di classificare automaticamente se una galassia apparteneva a uno dei due gruppi principali:galassie a spirale, che hanno un disco rotante dove nascono nuove stelle, e galassie ellittiche, che sono più grandi, e fatto di stelle più vecchie che si muovono in modo più casuale delle loro controparti a spirale.
Ma il catalogo sviluppato utilizzando il set di dati SDSS era composto principalmente da brillanti, galassie vicine, dice Vega-Ferrero. Nel loro ultimo studio, i ricercatori volevano perfezionare il loro modello di rete neurale per poter classificare i più deboli, galassie più lontane. "Volevamo spingerci oltre i limiti della classificazione morfologica e cercare di andare oltre, per oggetti più deboli o oggetti più lontani, " dice Vega-Ferrero.
Immagini di una galassia simulata a spirale (in alto) ed ellittica a diversi livelli di qualità dell'immagine e redshift, illustrando come potrebbero apparire le galassie più deboli e più distanti all'interno del set di dati DES. Credito:Jesus Vega-Ferrero e Helena Dominguez-Sanchez
Per fare questo, i ricercatori hanno prima dovuto addestrare il loro modello di rete neurale per essere in grado di classificare le immagini più pixelate dal set di dati DES. Hanno prima creato un modello di formazione con classificazioni morfologiche precedentemente note, composto da un set di 20, 000 galassie che si sono sovrapposte tra DES e SDSS. Quindi, hanno creato versioni simulate di nuove galassie, imitando come sarebbero le immagini se fossero più lontane usando il codice sviluppato dallo scienziato dello staff Mike Jarvis.
Una volta che il modello è stato addestrato e convalidato su galassie sia simulate che reali, è stato applicato al set di dati DES, e il catalogo risultante di 27 milioni di galassie include informazioni sulla probabilità che una singola galassia sia ellittica o a spirale. I ricercatori hanno anche scoperto che la loro rete neurale era accurata al 97% nel classificare la morfologia delle galassie, anche per le galassie che erano troppo deboli per essere classificate a occhio.
"Abbiamo superato i limiti di tre ordini di grandezza, agli oggetti che sono 1, 000 volte più deboli di quelli originali, " Dice Vega-Ferrero. "Ecco perché siamo stati in grado di includere così tante altre galassie nel catalogo".
"Cataloghi come questo sono importanti per studiare la formazione delle galassie, Bernardi dice sul significato di questa ultima pubblicazione. "Questo catalogo sarà utile anche per vedere se la morfologia e le popolazioni stellari raccontano storie simili su come si sono formate le galassie".
Per quest'ultimo punto, Domínguez Sánchez sta attualmente combinando le loro stime morfologiche con misure della composizione chimica, età, tasso di formazione stellare, messa, e distanza delle stesse galassie. L'integrazione di queste informazioni consentirà ai ricercatori di studiare meglio la relazione tra la morfologia delle galassie e la formazione stellare, lavoro che sarà cruciale per una più profonda comprensione dell'evoluzione delle galassie.
Bernardi afferma che ci sono una serie di questioni aperte sull'evoluzione delle galassie che sia questo nuovo catalogo, e i metodi sviluppati per crearlo, può aiutare ad affrontare. Il prossimo sondaggio LSST/Rubin, Per esempio, utilizzerà metodi fotometrici simili al DES ma avrà la capacità di acquisire immagini anche di oggetti più distanti, fornendo un'opportunità per acquisire una comprensione ancora più profonda dell'evoluzione dell'universo.
