Como bolas de cristal para os mistérios mais profundos do universo, galáxias e outros objetos espaciais massivos podem servir como lentes para objetos e fenômenos mais distantes ao longo do mesmo caminho, curvando a luz de maneiras reveladoras.
As lentes gravitacionais foram teorizadas por Albert Einstein pela primeira vez há mais de 100 anos para descrever como a luz se curva quando viaja passando por objetos maciços como galáxias e aglomerados de galáxias.
Esses efeitos de lente são normalmente descritos como fracos ou fortes, e a força de uma lente está relacionada à posição e massa de um objeto e à distância da fonte de luz que é lente. Lentes fortes podem ter 100 bilhões de vezes mais massa que o Sol, fazendo com que a luz de objetos mais distantes no mesmo caminho seja ampliada e dividida, por exemplo, em várias imagens, ou apareça como arcos ou anéis dramáticos.
A principal limitação de lentes gravitacionais fortes tem sido sua escassez, com apenas várias centenas confirmadas desde a primeira observação em 1979, mas isso está mudando … e rápido.
Um novo estudo realizado por uma equipe internacional de cientistas revelou 335 novos candidatos fortes para lentes, com base em uma análise aprofundada dos dados coletados para um projeto de telescópio apoiado pelo Departamento de Energia dos EUA no Arizona, chamado Dark Energy Spectroscopic Instrument (DESI). O estudo, publicado em 7 de maio no The Astrophysical Journal, se beneficiou do algoritmo vencedor de aprendizado de máquina em uma competição internacional de ciências.
“Encontrar esses objetos é como encontrar telescópios do tamanho de uma galáxia”, disse David Schlegel, cientista sênior da Divisão de Física do Laboratório Nacional Lawrence Berkeley (Laboratório de Berkeley) que participou do estudo. “São sondas poderosas de matéria escura e energia escura”.
Esses recém-descobertos candidatos a lentes gravitacionais poderiam fornecer marcadores específicos para medir com precisão as distâncias das galáxias no universo antigo se supernovas forem observadas e rastreadas e medidas com precisão por essas lentes, por exemplo.
As lentes fortes também fornecem uma poderosa janela para o universo invisível da matéria escura, que compõe cerca de 85% da matéria no universo, já que a maior parte da massa responsável pelos efeitos de lente é considerada matéria escura. A matéria escura e a expansão acelerada do universo, impulsionada pela energia escura, estão entre os maiores mistérios que os físicos estão trabalhando para resolver.
No último estudo, os pesquisadores recrutaram Cori, um supercomputador do NERSC (Centro Nacional de Computação Científica em Pesquisa Energética da Berkeley Lab), para comparar automaticamente os dados de imagem da Pesquisa de Legado de Câmera de Energia Escura (DECaLS) – uma das três pesquisas conduzidas em preparação para o DESI – com uma amostra de treinamento de 423 lentes conhecidas e 9.451 não-lentes.
Os pesquisadores agruparam as lentes fortes candidatas em três categorias com base na probabilidade de que elas sejam, de fato, lentes: Grau A para os 60 candidatos com maior probabilidade de serem lentes, Grau B para os 105 candidatos com características menos pronunciadas e Grau C para as 176 lentes candidatas que possuem características de lente mais fracas e menores do que as das outras duas categorias.
Xiaosheng Huang, principal autor do estudo, observou que a equipe já conseguiu ganhar tempo no Telescópio Espacial Hubble para confirmar alguns dos candidatos mais promissores das lentes reveladas no estudo, com a observação do tempo no Hubble que começou no final de 2019.
“O Telescópio Espacial Hubble pode ver os detalhes sem os efeitos tremidos da atmosfera da Terra”, disse Huang.
Os candidatos a lentes foram identificados com o auxílio de uma rede neural, que é uma forma de inteligência artificial na qual o programa de computador é treinado para melhorar gradualmente a correspondência de imagens ao longo do tempo, proporcionando uma taxa de sucesso crescente na identificação de lentes. As redes neurais computadorizadas são inspiradas na rede biológica de neurônios no cérebro humano.
“Leva horas para treinar a rede neural”, disse Huang. “Existe um modelo de montagem muito sofisticado de ‘O que é uma lente?’ e ‘O que não é uma lente?’ ”
Houve uma análise manual minuciosa das imagens das lentes para ajudar a escolher as melhores imagens para treinar a rede a partir de dezenas de milhares de imagens, observou Huang. Ele se lembrou de um sábado em que se sentou com estudantes pesquisadores durante todo o dia para examinar dezenas de milhares de imagens para desenvolver listas de amostras de lentes e não-lentes.
“Não selecionamos esses itens aleatoriamente”, disse Huang. “Tivemos que aumentar esse conjunto com exemplos selecionados à mão que parecem lentes, mas não são lentes”, por exemplo “, e selecionamos aqueles que podem ser potencialmente confusos”.
O envolvimento dos alunos foi fundamental no estudo, acrescentou. “Os alunos trabalharam diligentemente nesse projeto e resolveram muitos problemas difíceis, enquanto participavam de uma carga completa de aulas”, disse ele. Um dos alunos que trabalhou no estudo, Christopher Storfer, foi posteriormente selecionado para participar do programa SULI (DOE Science Undergraduate Laboratory Internship) no Berkeley Lab.
Os pesquisadores já aprimoraram o algoritmo usado no último estudo para acelerar a identificação de possíveis lentes. Enquanto cerca de 1 em 10.000 galáxias atua como uma lente, a rede neural pode eliminar a maioria das não-lentes. “Em vez de passar por 10.000 imagens para encontrar uma, agora temos apenas algumas dezenas”, disse ele.
A rede neural foi desenvolvida originalmente para o The Strong Gravitational Lens Finding Challenge, um concurso de programação que decorreu de novembro de 2016 a fevereiro de 2017 que motivou o desenvolvimento de ferramentas automatizadas para encontrar lentes fortes.
Com um crescente corpo de dados observacionais e novos projetos de telescópios como o DESI e o Large Synoptic Survey Telescope (LSST), que está programado para começar em 2023, há uma competição acirrada para explorar esses dados usando sofisticadas ferramentas de inteligência artificial, disse Schlegel.
“Essa competição é boa”, disse ele. Uma equipe sediada na Austrália, por exemplo, também encontrou muitos novos candidatos a lentes usando uma abordagem diferente. “Cerca de 40% do que eles descobriram, nós não descobrimos”, e da mesma forma o estudo em que Schlegel participou encontrou muitos candidatos que a outra equipe não encontrou.
Huang disse que a equipe expandiu sua busca por lentes em outras fontes de dados de imagens do céu, e também está considerando se deve se conectar a um conjunto mais amplo de recursos de computação para acelerar a busca.
“O objetivo para nós é atingir 1.000” novos candidatos a lentes, disse Schlegel.
O NERSC é uma facilidade de usuário do DOE Office of Science.
Os participantes do estudo incluíram pesquisadores da Universidade de São Francisco, Berkeley Lab, Observatório Nacional de Astronomia Ótica, Siena College, Universidade de Wyoming, Universidade do Arizona, Universidade de Toronto e Instituto Perimeter de Física Teórica no Canadá, e Université Paris -Saclay na França.
Publicado em 16/05/2020 18h52
Artigo original:
Estudo original:
Achou importante? Compartilhe!
Assine nossa newsletter e fique informado sobre Astrofísica, Biofísica, Geofísica e outras áreas. Preencha seu e-mail no espaço abaixo e clique em “OK”: