À l'aide de techniques d'apprentissage automatique, une équipe d'astronomes a découvert une douzaine de quasars qui ont été déformés par une "lentille" cosmique naturelle et divisés en quatre images similaires. Les quasars sont des noyaux extrêmement lumineux de galaxies lointaines qui sont alimentés par des trous noirs supermassifs.

Au cours des quatre dernières décennies, les astronomes avaient trouvé environ 50 de ces "quasars quadruplement imagés, " ou quads pour faire court, qui se produisent lorsque la gravité d'une galaxie massive qui se trouve devant un quasar divise son image unique en quatre. La dernière étude, qui n'a duré qu'un an et demi, augmente le nombre de ces quads connus d'environ 25 % et démontre la puissance de l'apprentissage automatique pour aider les astronomes dans leur recherche de ces bizarreries cosmiques.

"Les quads sont des mines d'or pour toutes sortes de questions. Ils peuvent aider à déterminer le taux d'expansion de l'univers, et aider à résoudre d'autres mystères, tels que la matière noire et les moteurs centraux de quasar, '" dit Daniel Stern, auteur principal de la nouvelle étude et chercheur au Jet Propulsion Laboratory, qui est géré par Caltech pour la NASA. "Ce ne sont pas seulement des aiguilles dans une botte de foin, mais des couteaux suisses parce qu'ils ont tellement d'utilisations."

Les résultats, à publier dans Le Journal d'Astrophysique , ont été réalisés en combinant des outils d'apprentissage automatique avec les données de plusieurs télescopes terrestres et spatiaux, y compris la mission Gaia de l'Agence spatiale européenne; L'explorateur d'enquête infrarouge à champ large de la NASA (ou WISE); Observatoire W. M. Keck sur Maunakea, Hawaii; l'observatoire Palomar de Caltech; le télescope de nouvelle technologie de l'Observatoire européen austral au Chili; et le télescope Gemini South au Chili.

Dilemme cosmologique

Dans les années récentes, un écart est apparu sur la valeur précise du taux d'expansion de l'univers, également connue sous le nom de constante de Hubble. Deux moyens principaux peuvent être utilisés pour déterminer ce nombre :l'un repose sur les mesures de la distance et de la vitesse des objets dans notre univers local, et l'autre extrapole le taux à partir de modèles basés sur le rayonnement lointain laissé par la naissance de notre univers, appelé le fond diffus cosmologique. Le problème est que les chiffres ne correspondent pas.

« Il y a potentiellement des erreurs systématiques dans les mesures, mais cela semble de moins en moins probable, " dit Stern. " Plus séduisant, l'écart dans les valeurs pourrait signifier que quelque chose à propos de notre modèle de l'univers est faux et qu'il y a une nouvelle physique à découvrir."

Les nouveaux quads quasar, auxquels l'équipe a donné des surnoms tels que Wolf's Paw et Dragon Kite, aidera dans les calculs futurs de la constante de Hubble et pourrait expliquer pourquoi les deux mesures principales ne sont pas alignées. Les quasars se situent entre les cibles locales et distantes utilisées pour les calculs précédents, ils donnent donc aux astronomes un moyen de sonder la plage intermédiaire de l'univers. Une détermination basée sur les quasars de la constante de Hubble pourrait indiquer laquelle des deux valeurs est correcte, ou, peut-être plus intéressant, pourrait montrer que la constante se situe quelque part entre la valeur déterminée localement et la valeur distante, un signe possible d'une physique auparavant inconnue.

Illusions gravitationnelles

La multiplication des images de quasars et d'autres objets dans le cosmos se produit lorsque la gravité d'un objet de premier plan, comme une galaxie, se plie et magnifie la lumière des objets derrière elle. Le phénomène, appelé lentille gravitationnelle, a déjà été vu plusieurs fois. Parfois, les quasars sont transformés en deux images similaires; moins communément, ils sont divisés en quatre.

"Les quads sont meilleurs que les quasars à double image pour les études de cosmologie, comme mesurer la distance aux objets, parce qu'ils peuvent être merveilleusement bien modelés, " dit le co-auteur George Djorgovski, professeur d'astronomie et de science des données à Caltech. "Ce sont des laboratoires relativement propres pour faire ces mesures cosmologiques."

Dans la nouvelle étude, les chercheurs ont utilisé les données de WISE, qui a une résolution relativement grossière, pour trouver des quasars probables, and then used the sharp resolution of Gaia to identify which of the WISE quasars were associated with possible quadruply imaged quasars. The researchers then applied machine-learning tools to pick out which candidates were most likely multiply imaged sources and not just different stars sitting close to each other in the sky. Follow-up observations using Keck Observatory's Low Resolution Imaging Spectrometer (LRIS), as well as Palomar Observatory, the New Technology Telescope, and Gemini-South confirmed which of the objects were indeed quadruply imaged quasars lying billions of light-years away.

Humans and Machines Working Together

The first quad found with the help of machine-learning, nicknamed Centaurus' Victory, was confirmed during an all-nighter the team spent at Caltech, with collaborators from Belgium, La France, and Germany, while using a dedicated computer in Brazil, recalls co-author Alberto Krone-Martins of UC Irvine. The team had been remotely observing their objects using the Keck Observatory.

"Machine learning was key to our study but it is not meant to replace human decisions, " explains Krone-Martins. "We continuously train and update the models in an ongoing learning loop, such that humans and the human expertise are an essential part of the loop. When we talk about 'AI' in reference to machine-learning tools like these, it stands for Augmented Intelligence not Artificial Intelligence."

"Alberto not only initially came up with the clever machine-learning algorithms for this project, but it was his idea to use the Gaia data, something that had not been done before for this type of project, " says Djorgovski.

"This story is not just about finding interesting gravitational lenses, " il dit, "but also about how a combination of big data and machine learning can lead to new discoveries."