Astronomowie mogli odkryć, w jaki sposób galaktyki zmieniają swój kształt
Naukowcy mogli odpowiedzieć na trwające od dziesięcioleci pytanie dotyczące ewolucji galaktyk, wykorzystując moc sztucznej inteligencji do przyspieszenia swoich badań.
Wizualna reprezentacja AI galaktyk na podstawie danych z symulacji EAGLE. Źródło: ICRAR.
Od czasu wynalezienia w 1926 roku Sekwencji Hubble’a, która klasyfikuje morfologię galaktyk, astronomowie udoskonalają nasze rozumienie ewolucji i morfologii galaktyk w miarę postępu technologicznego.
Do lat 70. XX wieku badacze potwierdzili, że samotne galaktyki mają zwykle kształt spiralny, a te znalezione w gromadach galaktyk były prawdopodobnie gładkie i pozbawione cech, znane jako eliptyczne i soczewkowate (w kształcie soczewki).
Opublikowane 16 grudnia 2022 roku w czasopiśmie Monthly Notices of the Royal Astronomical Society, nowe badania przeprowadzone przez astronomów z Międzynarodowego Centrum Badań Radioastronomicznych (ICRAR) mogły odkryć przyczynę tych różnic w kształtach.
Główny autor pracy, dr Joel Pfeffer z węzła ICRAR na Uniwersytecie Zachodniej Australii, powiedział, że badania wyjaśniają „relację morfologia–gęstość” – w której skupione galaktyki wydają się gładsze i bardziej pozbawione cech charakterystycznych niż ich samotne odpowiedniki.
Odkryliśmy, że dzieje się kilka różnych rzeczy, gdy mamy wiele galaktyk upakowanych razem – powiedział dr Pfeffer. Ramiona spiralne w galaktykach są tak delikatne, że gdy przechodzą do wyższych gęstości w gromadach galaktyk, galaktyki spiralne zaczynają tracić swój gaz. Ta utrata gazu powoduje, że „zrzucają” one swoje ramiona spiralne, przekształcając się w soczewkowaty kształt.
Inną przyczyną są fuzje galaktyk, w których można zobaczyć dwie lub więcej galaktyk spiralnych zderzających się ze sobą, by w następstwie utworzyć jedną dużą galaktykę eliptyczną.
W badaniu wykorzystano potężną symulację EAGLE do szczegółowej analizy grup galaktyk, wykorzystując algorytm sztucznej inteligencji do klasyfikacji galaktyk na podstawie kształtu.
Algorytm oparty na sieci neuronowej został przeszkolony przez doktoranta ICRAR Mitchella Cavanagha i może sklasyfikować prawie 20 000 galaktyk na minutę, kompresując to, co zwykle zajęłoby tygodnie do jednej godziny.
Symulacje ściśle odpowiadają temu, co zaobserwowano we Wszechświecie, dając naukowcom pewność, że mogą wykorzystać wyniki symulacji do interpretacji obserwacji gromad galaktyk.
Badanie zidentyfikowało również kilka galaktyk soczewkowatych poza regionami o dużej gęstości, gdzie można się ich spodziewać, przy czym modelowanie sugeruje, że powstały one w wyniku połączenia się dwóch galaktyk.
Dr Pfeffer powiedział, że praca łączy różne fragmenty badań nad ewolucją galaktyk, aby po raz pierwszy zrozumieć relację morfologia–gęstość.
Z biegiem czasu pojawiło się wiele sugestii – powiedział. Ale to pierwsza praca, która naprawdę składa wszystkie kawałki układanki razem.
Opracowanie:
Agnieszka Nowak
Źródło:
.jpg)
