Przejdź do głównej zawartości

Analiza widm cieplnych za pomocą uczenia maszynowego

Gromady galaktyk należą do największych we Wszechświecie struktur powiązanych grawitacyjnie. Jedną z ich charakterystycznych cech jest to, że mają tendencję do osadzania się w dużym rezerwuarze podgrzanego gazu, znanym jako ośrodek wewnątrz gromady (ang. Intracluster Medium – ICM). Przy temperaturach dochodzących do 108 Kelwinów ICM jest silnym emiterem promieniowania rentgenowskiego. Wynikowe widmo jest zdominowane przez cieplne promieniowanie bremßtrahlung: promieniowanie emitowane, gdy naładowane cząstki są spowalniane. Charakterystyka tej emisji cieplnej dostarcza przydatnych informacji na temat procesów zachodzących w gromadzie, takich jak łączenie się galaktyk i aktywność aktywnych jąder galaktycznych (AGN), a także różnych parametrów fizycznych, w tym temperatury i metaliczności. Aby uzyskać te parametry, należy najpierw dopasować obserwowane widma. Jednak ICM niekoniecznie jest jednolity. Różne regiony często charakteryzują się wieloma składnikami termicznymi, co wymaga raczej modelu mieszanki temperatur niż modelu pojedynczej składowej temperatury, aby odtworzyć obserwowane widma. Autorzy nowej pracy proponują nową metodę uczenia maszynowego do systematycznego szacowania różnych podstawowych składników termicznych w widmach ICM. Ponieważ podejście do tego nie jest zależne od żadnego konkretnego modelu fizycznego, jest zarówno wydajne, jak i przenośne.


Podejście autorów do uczenia maszynowego obejmuje dwie kluczowe techniki; analiza głównych składowych (principal component analysis – PCA) i lasów losowych. Ideą PCA jest rozbicie dużych, wielowymiarowych zbiorów danych na ich główne składowe. Jest to analogiczne do rozwiązania wartości własnych, a przetwarzanie danych można traktować jako zmianę podstawy. PCA jest niezwykle przydatne w uczeniu maszynowym, ponieważ strukturyzuje dane w sposób, który najlepiej podkreśla istotne funkcje (odrzucając te, które są nadmiarowe/nieistotne). Poprawia to zdolność uczenia się i wydajność techniki uczenia maszynowego. Autorzy wykorzystują las losowy klasyfikatorów drzew decyzyjnych do klasyfikacji przetwarzanych danych (czyli danych po transformacji za pomocą PCA). W drzewie decyzyjnym zbiór danych jest rekurencyjnie partycjonowany, aż każdy podzbiór będzie odpowiadał określonej klasie lub kategorii. Ponieważ drzewa decyzyjne są dość nieporęczne i podatne na nadmierne dopasowanie, często korzystne jest przeszkolenie kilku tysięcy naraz (tj. las losowy). Biorąc pod uwagę dane wejściowe odpowiadające obszarowi emisji promieniowania X, celem jest wprowadzenie liczby unikalnych składowych cieplnych potrzebnych do opisania regionu. Autorzy tworzą dane szkoleniowe za pomocą syntetycznych widm rentgenowskich na podstawie obserwacji pochodzących z obserwatorium Chandra.

Astronomowie zastosowali swoją metodę uczenia maszynowego do gromady galaktyk Perseusza, o której wiadomo, że zawiera regiony o wielu składowych temperatury. Wyniki pokazują, że przytłaczająca większość gromady Perseusza składa się z dwuskładnikowej emisji termicznej, z niektórymi regionami emisji czteroskładnikowej i jednoskładnikowej. Potwierdza to wcześniejsze wnioski, oparte na obserwacjach z Chandra, że gromady Perseusza nie można modelować za pomocą pojedynczej składowej temperatury.

Po ustaleniu, że istnieją dwie główne składowe temperatury, autorzy następnie obliczyli mapy temperatur. Ogólnie każdy składnik odpowiada gazom o różnych temperaturach; pierwszy składnik charakteryzuje się stosunkowo chłodniejszym gazem (około 2 keV), podczas gdy drugi odpowiada cieplejszemu gazowi (4 keV). Odpowiadają one również miękkiej i twardej emisji promieniowania X. Zachęcające jest to, że te składniki są rozmieszczone inaczej: zimny gaz jest przeważnie jednolity, podczas gdy gaz gorący jest bardziej nierównomierny. Niektóre regiony z niską temperaturą pierwszego składnika mają wysoką temperaturę drugiego składnika (i odwrotnie). Zatem tylko łącząc te różne składowe można dokładnie modelować cieplną naturę emisji promieniowania rentgenowskiego w całym ICM.

Jedną z głównych zalet tego podejścia do uczenia maszynowego jest to, że nie ogranicza się ono wyłącznie do danych z Chandra; może być używane z innymi misjami rentgenowskimi, takimi jak Athena i eROSITA. Autorzy spodziewają się, że przyszłe badania w wysokiej rozdzielczości przyniosą poprawę klasyfikacji. Chodzi o to, że klasyfikacja lasu losowego jest czuła na wiele czynników, w tym rozdzielczość, epoki czasowe (ponieważ matryce CCD ulegają degradacji w czasie), i błędy selekcji w wyborze danych uczących (np. przesunięcie ku czerwieni, gęstość kolumn). Autorzy pracy wykazali, że nowa technika uczenia maszynowego jest w stanie wyodrębnić wiele składowych cieplnych w emisji promieniowania X ICM, potwierdzając, że gromada Perseusza rzeczywiście najlepiej charakteryzuje się więcej niż jednym składnikiem. Ponieważ przyszłe badania pozwolą na silniejsze ograniczenie emisji ICM, możliwe będzie bardziej szczegółowe modelowanie procesów fizycznych, ostatecznie poprawiając naszą wiedzę na temat gromad galaktyk i ewolucji galaktyk w nich zawartych.

Opracowanie:
Agnieszka Nowak

Źródło:

Popularne posty z tego bloga

Wykryto największą eksplozję w historii Wszechświata

Naukowcy badający odległą gromadę galaktyk odkryli największą eksplozję obserwowaną we Wszechświecie od czasów Wielkiego Wybuchu.

Wybuch pochodził z supermasywnej czarnej dziury w centrum odległej o setki milionów lat świetlnych stąd galaktyki. W trakcie eksplozji zostało uwolnione pięć razy więcej energii, niż przy poprzednim ówczesnym najpotężniejszym wybuchu.
Astronomowie dokonali tego odkrycia przy użyciu danych z obserwatorium rentgenowskiego Chandra i XMM-Newton, a także danych radiowych z Murchison Widefield Array (MWA) w Australii i Giant Metrewave Radio Telescope (GMRT) w Indiach.
Ten potężny wybuch został wykryty w gromadzie galaktyk Ophiuchus, która znajduje się około 390 mln lat świetlnych stąd. Gromady galaktyk to największe struktury we Wszechświecie utrzymywane razem przez grawitację, zawierające tysiące pojedynczych galaktyk, ciemną materię i gorący gaz.
W centrum gromady Ophiuchus znajduje się duża galaktyka zawierająca supermasywną czarną dziurę. Naukowcy uważają, że źró…

Odkryto najbliższą znaną „olbrzymią planetę niemowlęcą”

Nowonarodzona masywna planeta znajduje się zaledwie 100 parseków od Ziemi.

Naukowcy odkryli nowonarodzoną masywną planetę bliższą Ziemi niż jakikolwiek tego typu obiekt w podobnym wieku. Olbrzymia niemowlęca planeta, nazwana 2MASS 1155-7919 b, znajduje się w asocjacji Epsilon Chamaeleontis i leży tylko około 330 lat świetlnych od naszego Układu Słonecznego.
„Ciemny, chłodny obiekt, który znaleźliśmy, jest bardzo młody i ma zaledwie 10 mas Jowisza, co oznacza, że prawdopodobnie patrzymy na planetę niemowlęcą, być może wciąż w fazie formowania się. Chociaż zostało odkrytych wiele innych planet podczas misji Kepler i innych podobnych, prawie wszystkie z nich są planetami ‘starymi’. Obiekt ten jest jednocześnie czwartym lub piątym przykładem planety olbrzymiej krążącej tak daleko od swojej gwiazdy macierzystej. Teoretycy usiłują wyjaśnić, w jaki sposób się tam uformowały lub jak tam dotarły” – powiedziała Annie Dickson-Vandervelde, główna autorka pracy.
Do odkrycia naukowcy wykorzystali dane…

Czy rozwiązano tajemnicę ekspansji Wszechświata?

Badacz z Uniwersytetu Genewskiego rozwiązał naukową kontrowersję dotyczącą tempa ekspansji Wszechświata, sugerując, że na dużą skalę nie jest ono całkowicie jednorodne.


Ziemia, Układ Słoneczny, cała Droga Mleczna i kilka tysięcy najbliższych nam galaktyk porusza się w ogromnym „bąblu” o średnicy 250 mln lat świetlnych, gdzie średnia gęstość materii jest o połowę mniejsza niż w pozostałej części Wszechświata. Taka jest hipoteza wysunięta przez fizyka teoretyka z Uniwersytetu Genewskiego (UNIGE) jako rozwiązanie zagadki, która od dziesięcioleci dzieli społeczność naukową: z jaką prędkością rozszerza się Wszechświat? Do tej pory co najmniej dwie niezależne metody obliczeniowe osiągnęły dwie wartości różniące się o około 10% z odchyleniem, które jest statystycznie nie do pogodzenia. Nowe podejście usuwa tę rozbieżność bez korzystania z „nowej fizyki”.
Wszechświat rozszerza się od czasu Wielkiego Wybuchu, który miał miejsce 13,8 mld lat temu – propozycja po raz pierwszy przedstawiona przez b…