مانند توپ کریستال برای جهان رمز و راز عمیق تر کهکشانها و دیگر فضایی عظیم اشیاء می تواند در خدمت به عنوان لنز به دور اشیاء و پدیده ها را در امتداد همان مسیر خم شدن نور در الهامی راه.

عدسی گرانشی برای اولین بار استدلال توسط آلبرت انیشتین بیش از 100 سال پیش برای توصیف چگونه نور خم هنگامی که آن را به سفر گذشته عظیم اشیاء مانند کهکشان ها و کهکشان خوشه.

این عدسی اثرات به طور معمول به عنوان ضعیف یا قوی و قدرت لنز مربوط به یک شی موقعیت و جرم و فاصله از منبع نور است که lensed. قوی لنز می تواند 100 میلیارد بار بیشتر از جرم تر از خورشید ما باعث نور از اجسام دور در همان مسیر برای بزرگ کردن و تقسیم برای مثال به تصاویر متعدد و یا به نظر می رسد به عنوان نمایشی کمان و یا حلقه.

عمده محدودیت قوی گرانشی لنز بوده و کمبود خود را با تنها چند صد تایید پس از اولین مشاهده در سال 1979 اما این تغییر … و سریع است.

یک مطالعه جدید توسط یک تیم بین المللی از دانشمندان نشان داد 335 جدید قوی عدسی نامزدها بر اساس یک شیرجه عمیق به داده های جمع آوری شده برای یک دپارتمان انرژی ایالات متحده-پشتیبانی از تلسکوپ پروژه در آریزونا به نام انرژی تاریک Spectroscopic ابزار (طراحی). مطالعه منتشر شده در مارس 7 در مجله منسوب به فیزیک نجومیبهره مند شده از برنده شدن ماشین-الگوریتم یادگیری در یک رقابت بین المللی علوم.

“پیدا کردن این اشیاء مانند پیدا کردن تلسکوپ که به اندازه یک کهکشان” به گفته دیوید شلگل یک دانشمند ارشد در لارنس برکلی ملی آزمایشگاه (آزمایشگاه برکلی) فیزیک را بدست آورد که در مطالعه شرکت کردند. “آنها در حال قدرتمند پروب از ماده تاریک و انرژی تاریک.”

این تازه کشف شده گرانشی لنز نامزدها می تواند خاص نشانگر دقت اندازه گیری فاصله کهکشان ها در جهان باستان اگر ابرنواختر مشاهده شده و دقیقا ردیابی و اندازه گیری از طریق این لنز برای مثال.

قوی لنز همچنین ارائه یک پنجره قدرتمند به غیب جهان از ماده تاریک است که باعث می شود تا حدود 85 درصد از ماده در جهان به عنوان بسیاری از توده مسئول عدسی اثرات تصور میشود که ماده تاریک. ماده تاریک و شتاب انبساط جهان رانده شده توسط انرژی تاریک در میان بزرگترین رمز و راز است که فیزیکدانان در حال کار برای حل.

در آخرین مطالعه محققان داوطلب خدمت سربازی کری یک ابر رایانه در برکلی و آزمایشگاه ملی انرژی تحقیقات علمی مرکز محاسبات (NERSC) به طور خودکار مقایسه تصویربرداری داده ها از انرژی تاریک دوربین میراث نظرسنجی (کن) — یکی از سه نظر سنجی انجام شده در آماده سازی برای طراحی — با یک آموزش نمونه ای از 423 شناخته شده لنز و 9,451 غیر لنز.

محققان گروه بندی نامزد قوی لنز به سه دسته بر اساس این احتمال است که آنها در واقع لنز: درجه یک برای 60 نامزدها که به احتمال زیاد به لنز درجه B برای 105 نامزدها با کمتر امکانات و کلاس C برای 176 نامزد لنز که ضعیف و کوچکتر عدسی امکانات از کسانی که در این دو دسته است.

Xiaosheng هوانگ مطالعه منجر نویسنده اشاره کرد که این تیم در حال حاضر موفق به برنده شدن زمان بر روی تلسکوپ فضایی هابل به تایید برخی از مهمترین عدسی نامزدها نشان داد در این مطالعه با رعایت زمان در هابل آغاز شد که در اواخر سال 2019.

“تلسکوپ فضایی هابل می توانید جزئیات خوب و بدون تاری اثرات جو زمین,” هوانگ گفت.

لنز نامزدها مشخص شد با کمک یک شبکه عصبی است که در یک فرم از هوش مصنوعی که در آن برنامه های کامپیوتری آموزش دیده است به تدریج بهبود تصویر خود را مطابق با گذشت زمان به ارائه یک افزایش میزان موفقیت در شناسایی لنز. کامپیوتری شبکه های عصبی الهام گرفته بیولوژیکی شبکه ای از سلول های عصبی در مغز انسان است.

“در آن طول می کشد ساعت برای آموزش شبکه عصبی ،” هوانگ گفت. “وجود دارد بسیار پیچیده اتصالات مدل” آنچه که یک لنز ؟ ‘ و ‘چه چیزی است که یک لنز?'”

وجود دارد برخی از زحمت کش و تحلیل دستی عدسی تصاویر برای کمک به انتخاب بهترین تصاویر برای آموزش شبکه از ده ها هزار نفر از تصاویر هوانگ اشاره کرد. او به یاد می آورد یک شنبه که در طی آن او نشست با محققان برای تمام روز به منافذ بیش از ده ها هزار نفر از تصاویر به منظور توسعه نمونه لیست از لنز و بدون لنز.

“ما نه تنها از انتخاب این تصادفی” هوانگ گفت. “ما تا به حال به تقویت این مجموعه با کار دست-نمونه انتخاب شده که مانند لنز ، لنز” برای مثال: “و کسانی که ما انتخاب می تواند به طور بالقوه گیج کننده است.”

دانشجو دخالت کلیدی بود در این مطالعه او اضافه شده است. “دانشجويان مشغول به کار مجدانه در این پروژه و حل بسیاری از مشکلات دشوار در حالی که مصرف یک بار کامل از کلاس های” او گفت:. یکی از دانشجویان که مشغول به کار در این مطالعه کریستوفر Storfer شد و بعد از آن انتخاب شده برای شرکت در سازمان حفاظت محیط زیست علوم آزمایشگاهی در مقطع کارشناسی کارآموزی (SULI) برنامه در آزمایشگاه برکلی.

محققان در حال حاضر بر بهبود الگوریتم که در آخرین مطالعه برای سرعت بخشیدن به شناسایی ممکن است لنز. در حالی که حدود 1 در 10000 و کهکشان به عنوان لنز شبکه عصبی می تواند به از بین بردن بسیاری از غیر لنز. “به جای رفتن را از طریق 10 ، 000 تصاویر برای پیدا کردن یکی در حال حاضر ما فقط چند ده,” او گفت:.

شبکه عصبی در اصل برای قوی گرانشی لنز پیدا کردن چالش یک مسابقه برنامه نویسی است که فرار از نوامبر 2016 فوریه 2017 که با انگیزه توسعه ابزارهای خودکار برای پیدا کردن قوی لنز.

با بدن در حال رشد از مشاهده داده های جدید تلسکوپ پروژه های مانند طراحی و بزرگ همديد بررسی تلسکوپ (LSST) است که در حال حاضر شروع به برنامه ریزی شده تا در سال 2023 وجود دارد گرم می شود رقابت به معدن این داده ها با استفاده از پیچیده هوش مصنوعی ابزار شلگل گفت.

“که رقابت خوب است,” او گفت:. یک تیم مستقر در استرالیا, برای مثال, همچنین بسیاری از عدسی داوطلبان با استفاده از یک رویکرد متفاوت است. “حدود 40 درصد از آنچه آنها دریافتند ما نیست” و به همین ترتیب مطالعه که شلگل شرکت در بسیاری از عدسی نامزدها که تیم های دیگر نداشته است.

هوانگ گفت: این تیم خود را گسترش داده جستجو برای لنز در منابع دیگر از آسمان-تصویربرداری داده و این تیم نیز با توجه به اینکه به برق وصل کردن به گسترده تر مجموعه ای از منابع محاسباتی به منظور تسریع در شکار.

“هدف ما این است که برای رسیدن به 1000 جدید” عدسی نامزدها شلگل گفت.

NERSC است سازمان حفاظت محیط زیست از علوم کاربر تسهیلات.

شرکت کنندگان در مطالعه شامل محققان از دانشگاه سان فرانسیسکو برکلی و آزمایشگاه ملی نوری نجوم رصدخانه سینا, دانشکده, دانشگاه وایومینگ, دانشگاه آریزونا دانشگاه تورنتو و محیط موسسه فیزیک نظری در کانادا و دانشگاه پاریس-Saclay در فرانسه.

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.detny.im