Majhne rdeče pike lahko označijo začasno fazo črne luknje.

Raziskava je odkrila sedem potencialnih kvazarjev z uporabo modela umetne inteligence, ki je bil usposobljen na podlagi simuliranih podatkov, kar pomeni pomemben napredek v astrofiziki. Ugotovitve, ki temeljijo na analizi 800.000 predmetov iz raziskave spektroskopskega instrumenta za temno energijo (DESI), so bile nedavno objavljene v Astrophysical Journal.

Študijo je vodil Everett McArthur, podiplomski študent astronomije na Državni univerzi v Ohiu, ki je kvazarje opisal kot "dojenčke" supermasivnih črnih lukenj.

Proces se je začel z zbirko podatkov o 800.000 potencialnih kvazarjih, ki jih je zbiral projekt DESI. Za pregledovanje te ogromne količine podatkov je raziskovalna skupina razvila model AI, ki je bil usposobljen za sintetične primere sistemov kvazarja-lenze. Te simulacije so algoritmu pomagale razlikovati med tipičnimi kvazarji in tistimi, ki bi lahko pokazali razkrivalne znake gravitacijskega letenja. AI je naučil analizirati spektralne podatke in iskati specifične vzorce, ki kažejo, da je svetloba kvazarja ukrivljena z drugim masivnim objektom.

"To dokazuje, da je naša arhitektura sposobna razčleniti raznoliko paleto spektrov kvazarjev na resnično pomemben način", je opozoril. "Po filtraciji začetnega seznama na samo 200 obetavnih kandidatov je ekipa ročno pregledala vsakega, preden je izbrala končnih sedem. Vsak kandidat kaže značilnosti, ki so skladne s kvazarjem, ki deluje kot gravitacijska leča, čeprav je potrebno nadaljnje preverjanje.

Takšne opazovanja bi omogočile podrobnejši pregled struktur, ki jih sestavljajo leče, in zagotovile močnejši dokaz za prisotnost gravitacijskega lečevanja. Če bi se to potrdilo, bi lahko ta odkritja znatno izboljšala trenutne modele nastanka galaksij in evolucije črnih lukenj. Študija poudarja naraščajočo vlogo umetne inteligence v astronomskih raziskavah, zlasti pri prepoznavanju redkih in kompleksnih pojavov. Tradicionalne metode se pogosto zanašajo na ročni pregled, kar je zaradi velike količine podatkov, ki jih ustvarjajo sodobne raziskave, nepraktično. Z usposabljanjem umetne inteligence na simuliranih scenarijih lahko raziskovalci izboljšajo stopnjo odkrivanja in zmanjšajo lažne pozitivne rezultate.

Ta pristop odpira vrata za odkrivanje še bolj nenavadnih vesoljskih dogodkov v prihodnosti. Ekipa upa, da bo v prihodnje uporabila podobne tehnike za raziskovanje drugih vrst redkih nebesnih pojavov. "Te vrste študij lahko zelo dobro razširite, da najdete številne redke anomalije v spektru", je dejal McArthur. "Ko je na voljo več podatkov iz projektov, kot je DESI, se potencial za odkritja, ki jih vodi AI, še naprej povečuje in ponuja nove priložnosti za razkrivanje skrivnosti vesolja".