Gli astronomi giapponesi hanno sviluppato una nuova tecnica di intelligenza artificiale (AI) per rimuovere il rumore nei dati astronomici provocato dalle variazioni casuali nelle forme delle galassie.
Dopo un vasto addestramento e test su simulazioni generate dai supercomputer, hanno applicato questo nuovo strumento ai dati reali del telescopio giapponese Subaru e hanno scoperto che la distribuzione di massa derivata dall’utilizzo di questo metodo è coerente con i modelli attualmente accettati dell’Universo.
Questo è un nuovo potente strumento per analizzare i big data da indagini astronomiche attuali e pianificate.
I dati di rilievo di un’ampia area possono essere utilizzati per studiare la struttura su larga scala dell’Universo attraverso misurazioni di modelli ricavati dalle lenti gravitazionali.
Nella lente gravitazionale, la gravità di un oggetto in primo piano, come un ammasso di galassie, può distorcere l’immagine di un oggetto sullo sfondo, come una galassia più lontana.
Alcuni esempi di lenti gravitazionali sono ovvi, come il famoso “Occhio di Horus”. La struttura su larga scala, costituita principalmente dalla misteriosa materia “oscura”, può distorcere anche le forme di galassie lontane, ma l’effetto di lente previsto è sottile.
Per creare una mappa delle distribuzioni di materia oscura in primo piano è necessaria la media su molte galassie in un’area.
Ma questa tecnica di guardare molte immagini di galassie si imbatte in un problema; alcune galassie hanno un aspetto un po’ particolare per natura.
È difficile distinguere tra un’immagine di una galassia distorta dalla lente gravitazionale e una galassia che è effettivamente distorta. Questo è indicato come rumore di forma ed è uno dei fattori limitanti nella ricerca che studia la struttura su larga scala dell’Universo.
Studiare la struttura su larga scala dell’Universo
Per compensare il rumore di forma, un team di astronomi giapponesi ha utilizzato per la prima volta ATERUI II, il supercomputer più potente al mondo dedicato all’astronomia, per generare 25.000 finti cataloghi di galassie basati su dati reali del telescopio Subaru.
Hanno quindi aggiunto un rumore realistico a questi set di dati artificiali perfettamente noti e hanno addestrato un’intelligenza artificiale a distinguere statisticamente la materia oscura dai dati fittizi.
Dopo l’addestramento, l’IA è stata in grado di recuperare dettagli fini prima non osservabili, contribuendo a migliorare la nostra comprensione della materia oscura cosmica.
Quindi, utilizzando questa intelligenza artificiale su dati reali che coprono 21 gradi quadrati del cielo, il team ha trovato una distribuzione della massa in primo piano coerente con il modello cosmologico standard.
“Questa ricerca mostra i vantaggi della combinazione di diversi tipi di ricerca: osservazioni, simulazioni e analisi dei dati AI“. commenta Masato Shirasaki, il leader del team, “In questa era di big data, dobbiamo superare i confini tradizionali tra le specialità e utilizzare tutti gli strumenti disponibili per comprendere i dati. Se riusciremo a farlo, si apriranno nuovi campi nell’astronomia e in altre scienze”.
Riferimento: “Noise reduction for weak lensing mass mapping: an application of generative adversarial networks to Subaru Hyper Suprime-Cam first-year data” di Masato Shirasaki, Kana Moriwaki, Taira Oogi, Naoki Yoshida, Shiro Ikeda e Takahiro Nishimichi, 9 aprile 2021 , Avvisi mensili della Royal Astronomical Society .
DOI: 10.1093/mnras/stab982
