Wenn wir eine malerische Fahrt durch alle Epochen der Astronomie machen würden, würden wir irgendwo unter den alten Menschen anfangen und uns fragen, warum es stationäre Glühwürmchen am Himmel gibt. Wir reisten durch Bibliotheken mit Schriftrollen darüber, dass diese Glühwürmchen in Wirklichkeit Geschwister unserer riesigen gelben Sonne sind, und dann durch Räume mit Büchern darüber, wie unsere ganze Welt diese Sonne irgendwie umkreist.
Schließlich beobachteten wir Wissenschaftler, wie sie entdeckten, dass die Schwerkraft vom Gefüge der Raumzeit abhängt, machten Bilder von schillernden Galaxien außerhalb der Milchstraße und berechneten die strengen Grenzen supermassereicher Schwarzer Löcher.
Aber gerade wenn wir uns dem Abgang in die Gegenwart nähern, werden wir meiner Meinung nach etwas ziemlich Interessantes beobachten. Wir würden die wachsende Bindung zwischen Astronom und Maschine erkennen, die es uns ermöglicht, kosmische Türen schneller zu öffnen. Aritra Ghosh, Postdoktorandin an der University of Washington, ist eine dieser Astronominnen.
Ghosh konnte beispielsweise kürzlich bestätigen, dass Galaxien in dichteren Regionen des Universums bis zu 25 % größer sein können als Galaxien mit ähnlicher Masse und Form in weniger dichten Regionen. „Größe“ bezieht sich in diesem Fall auf den Radius einer Galaxie, der 50 % ihrer gesamten Lichtemission enthält. Das ist an sich schon ein gutes Ergebnis, aber vor allem ist es wichtig, hervorzuheben, wie es erreicht wurde: durch den Einsatz von maschinellem Lernen, um mehr einzelne Galaxien zu untersuchen, als der menschliche Körper in einem Leben analysieren könnte. Um genau zu sein, enthielt der Datensatz 2.894.716 Galaxien.
„Im letzten Jahrzehnt haben viele Astronomen wie ich sorgfältige Studien durchgeführt, um Vertrauen in maschinelles Lernen zu entwickeln und zu zeigen, dass es traditionelle Techniken reproduzieren kann“, sagte Ghosh gegenüber Space.com. „Endlich können wir damit beginnen, diese Techniken zu nutzen, um neue wissenschaftliche Ergebnisse zu erzielen.“
Dieser Datensatz mit riesigen Galaxien stammte tatsächlich aus einem noch umfangreicheren Satz, den Ghosh mit Hilfe von maschinellem Lernen erhalten konnte. Dieser ursprüngliche Satz, der mit einem Vermessungstool namens GaMPEN erstellt wurde, umfasste Daten von 7.805.186 Galaxien – der kleinere Teilsatz für diese neue Studie wurde basierend auf der Position der Galaxien am Himmel ausgewählt. In einer einzigen Millisekunde kann GaMPEN die Struktur einer Galaxie basierend auf einem vom Benutzer gewählten Parameter bestimmen; Ghosh und seine Kollegen verwendeten einen Parameter, der aufzeigte, welcher Anteil des Lichts von der äußeren Scheibe einer Galaxie im Vergleich zu ihrem zentralen Bulge stammt.
„Ich wollte der breiteren Gemeinschaft zeigen, wie maschinelles Lernen und große Bilddatensätze kombiniert werden können, um Fortschritte bei seit langem bestehenden Fragen der Astrophysik zu erzielen“, sagte Ghosh.
Dann zog Ghosh von diesen fast 8 Millionen Subjekten diejenigen heraus, die sich in Gebieten befanden, in denen er die Dichte des Universums aus früheren Berechnungen kannte. In der Arbeit kapselten „dichte“ Umgebungen viele Dinge ein, darunter auch Bereiche, in denen man Superhaufen von Galaxien finden würde. Dabei handelt es sich um riesige Ansammlungen vieler Galaxienhaufen (ein Galaxienhaufen kann bis zu 1.000 einzelne Galaxien enthalten!), die typischerweise in den Fäden des kosmischen Netzes liegen, das unser gesamtes Universum durchdringt. Man kann sie sich als die Hotspots der Innenstadt des Universums vorstellen.
„Unsere Mitarbeiter in Japan unter der Leitung von Rhythm Shimakawa haben die Umweltdichten gemessen“, sagte Ghosh. „Sie verwendeten einen Nicht-ML-Computeralgorithmus, um Kreise mit Radien von 30 Millionen Lichtjahren in verschiedenen Teilen des Himmels zu platzieren und die Anzahl der Galaxien in jedem Kreis zu zählen – Kreise in dichteren Regionen weisen eine überdurchschnittlich hohe Anzahl auf.“
Nachdem die Teilmenge identifiziert war, begannen Ghosh und sein Team, Zusammenhänge zwischen der galaktischen Größe und der Umgebung zu untersuchen.
Da die Masse einer Galaxie stark von ihrer Größe und ihrer Umgebung abhängt – massereichere Galaxien sind beispielsweise voraussichtlich größer und leben in dichteren Umgebungen –, verglich das Team die Größe von Galaxien mit derselben Masse in unterschiedlichen Umgebungen. „Da massereiche Galaxien selten sind“, erklärte Ghosh, „haben wir mit theoretischen Astrophysikern zusammengearbeitet, um eine neue Metrik für die Korrelationsanalyse zu entwickeln.“
Darüber hinaus ist dies nicht nur der größte Katalog, der jemals für eine Studie über die Größe und Umgebung von Galaxien verwendet wurde – und Ghosh vermutet, dass er höchstwahrscheinlich unter den Top 5 für jede astrophysikalische Studie liegt –, sondern er verfügt auch über einen Fehlerkorrekturmechanismus, der laut Ghosh mehr oder weniger vorhanden war fehlte in früheren ähnlichen Studien, was teilweise auf die Komponente des maschinellen Lernens zurückzuführen ist.
Apropos frühere Studien: Das Ergebnis, dass größere Galaxien eher zu Superhaufenstädten als zu ländlichen kosmischen Städten gehören, war eine kleine Überraschung – auch wenn es relativ intuitiv klang. Wie Ghosh erklärt, glaubten viele Wissenschaftler, die die Besonderheiten von Galaxien in Clustern untersucht haben, dass starke dynamische Kräfte innerhalb dieser Cluster einer Galaxie nach und nach Materie entziehen und sie dadurch kleiner machen würden.
Aber das Team sah größere Galaxien in dichten Superhaufenumgebungen. Seltsam.
„Wir haben unseren Korrelationsalgorithmus zunächst anhand kleinerer Teilmengen getestet“, sagte Ghosh. „Das ‚Aha!‘ Der Moment war, als wir die Analyse zum ersten Mal an der gesamten Stichprobe von 3 Millionen Galaxien durchführten und die starke positive Korrelation bemerkten.“
Warum könnte das so sein? Nun, es gibt einige Möglichkeiten. Man hat es mit der Art von „Materie“ zu tun, von der angenommen wird, dass sie von Galaxien in dichten Bereichen des Universums abgestreift wird – normale Materie, die aus normalen Protonen, Neutronen und Elektronen besteht. Dies wirft die Frage auf: Was ist mit der Dunklen Materie? Vielleicht spielt diese unsichtbare Substanz eine Rolle dabei, Galaxien größer zu halten. Das wäre keine allzu weit hergeholte Idee, da Wissenschaftler gezeigt haben, dass die meisten großen Galaxien in einem Halo aus dunkler Materie leben, einschließlich unserer eigenen Milchstraße.
„Unsere Arbeit zeigt, dass bei der Mittelung über viele, viele Cluster dunkle Materie zur primären treibenden Kraft wird und den in einzelnen Clustern beobachteten Trend umkehrt“, sagte Ghosh.
Es ist jedoch auch möglich, dass Galaxien in dichteren Umgebungen bei ihrer Entstehung größer sind; Darüber hinaus besteht die Möglichkeit, dass dichte Umgebungen die Wahrscheinlichkeit und Leichtigkeit galaktischer Verschmelzungen erhöhen.
„Eine interessante Folgearbeit wäre es, zu überprüfen, wie sich dieses Ergebnis ändert, wenn man den Radius des Kreises ändert, in dem man die Dichten misst“, sagte Ghosh. „Was wäre, wenn Sie einen Radius von 1 Million Lichtjahren anstelle von 30 verwenden würden? Dies wird uns zeigen, wie sich die Physik in verschiedenen Skalen des Universums unterschiedlich auf Galaxien auswirkt.“
In der Zwischenzeit hat das Team sein Augenmerk auf das kommende Rubin-Observatorium gerichtet, das Anfang 2025 sein erstes Licht im Kosmos erblicken soll, und auf die riesigen Datensätze, die es produzieren soll.
„Mein aktueller Forschungsschwerpunkt liegt auf dem Rubin-Observatorium“, sagte Ghosh, „das im Laufe seiner Lebensdauer 20 Milliarden Galaxien beobachten wird.“
Und selbst wenn Rubin es irgendwie schafft, ein paar zusätzliche Puzzleteile unter der Couch zu finden, anstatt ein paar zusammen auf den Tisch zu legen, ist Ghoshs Arbeitszimmer dennoch ein konkreter Erfolg. Es ist ein Beweis dafür, dass Maschinen Fragen über das Universum, in das wir sie gebracht haben, anvertrauen können.
Die Studie wurde am 14. August im Astrophysical Journal veröffentlicht.
