El equipo identificó más de 8.000 agujeros negros activos utilizando el software BiD4BEST. Crédito de la imagen: NASA
Un equipo cientifico identificó más de 8.000 agujeros negros activos utilizando un nuevo software, y descubrió una conexión intrigante entre el crecimiento de los agujeros negros y sus galaxias. El desarrollo de agujeros negros supermasivos no es provocado por fusiones galácticas, sino por cantidades significativas de gas frío en su vecindario.
Los agujeros negros supermasivos abundan en el universo. Casi todas las galaxias del cosmos tienen uno, y son los agujeros negros más estudiados por los astrónomos. Pero todavía no entendemos cómo crecieron tan rápidamente. Para responder a eso, deben identificar una gran cantidad de agujeros negros en el Universo temprano, y como estos agujeros negros suelen encontrarse en galaxias en fusión, los astrónomos deben identificar las galaxias tempranas con precisión. a mano. Sin embargo, el poder del aprendizaje automático lo está transformando.
Con el poder de los estudios del cielo actuales y futuros, el desafío de la astronomía es capturar información precisa y filtrarla. Distinguir una verdadera galaxia en fusión de una galaxia irregular o dos galaxias independientes que se encuentran en el mismo trozo de cielo requiere una gran cantidad de habilidad.
Aunque se puede capacitar a las personas para que lo hagan correctamente, la necesidad de identificadores capacitados es mucho mayor que la cantidad de personas capacitadas. Permita que los voluntarios llenen el espacio. Los astrónomos podrán obtener información útil con un poco de estadística, pero en general, sus identificaciones no serán tan precisas como las de los profesionales.
Este estudio reciente utiliza un método diferente. En lugar de contratar a voluntarios para recibir capacitación, utilizaron a expertos para entrenar algoritmos de aprendizaje automático. Es más sencillo decir que hacer. Incluso el experto más hábil puede cometer errores o estar equivocado, y cualquier software entrenado con ese experto también puede estar equivocado. Como resultado, el equipo se unió a Aplicaciones de Big Data para estudios de evolución de agujeros negros (BiD4BEST), un proyecto financiado por la UE que ofrece una red de capacitación para datos de evolución de agujeros negros. Juntos, identificaron fusiones de agujeros negros en datos simulados y datos del Sloan Digital Sky Survey (SDSS). El equipo pudo eliminar los sesgos de los datos de aprendizaje automático al comparar ambos estudios. El resultado fue considerablemente exitoso. Se encontró que las clasificaciones de los algoritmos con fusiones simuladas tenían una precisión de más del 80%, lo que equivale a la de los expertos más capacitados.
Luego, el equipo identificó más de 8.000 agujeros negros activos utilizando el software, y descubrió una conexión intrigante entre el crecimiento de los agujeros negros y sus galaxias. El desarrollo de agujeros negros supermasivos no es provocado por fusiones galácticas, sino por cantidades significativas de gas frío en el vecindario. El equipo descubrió que las fusiones solo promueven un crecimiento rápido cuando implican la fusión de galaxias con formación de estrellas ricas en gas y polvo. Por lo tanto, los agujeros negros supermasivos son el resultado de las mismas condiciones que conducen a la formación de estrellas. Esto explica por qué las galaxias y sus agujeros negros parecen crecer en paralelo.
A medida que sigamos capturando datos astronómicos a un ritmo casi exponencial, el software será esencial para los observadores expertos. Ambos pueden funcionar bien juntos, como demuestra este estudio.
REFERENCIAS
A post-merger enhancement only in star-forming Type 2 Seyfert galaxies: the deep learning view. Monthly Notices of the Royal Astronomical Society: https://academic.oup.com/mnras/article/528/4/6915/7612846?login=false
