البحث عن الطاقة المظلمة أصبح أسهل

Pin
Send
Share
Send

منذ أوائل القرن العشرين ، كان العلماء والفيزيائيون مثقلين بشرح كيف ولماذا يبدو أن الكون يتوسع بمعدل متسارع. بالإضافة إلى كونها مسؤولة عن التسارع الكوني ، يُعتقد أيضًا أن هذه الطاقة تشكل 68.3 ٪ من الكتلة غير المرئية للكون.

مثل هذه المادة المظلمة ، يعتمد وجود هذه القوة غير المرئية على ظواهر يمكن ملاحظتها ولأنها تتناسب مع نماذجنا الحالية في علم الكونيات ، وليس الأدلة المباشرة. وبدلاً من ذلك ، يجب على العلماء الاعتماد على الملاحظات غير المباشرة ، ومراقبة مدى سرعة انحسار الأجسام الكونية (على وجه التحديد النوع الأول من المستعرات الأعظمية) منا مع توسع الكون.

ستكون هذه العملية مملة للغاية للعلماء - مثل أولئك الذين يعملون في مسح الطاقة المظلمة (DES) - لولا الخوارزميات الجديدة التي تم تطويرها بشكل تعاوني من قبل الباحثين في مختبر لورانس بيركلي الوطني وجامعة كاليفورنيا في بيركلي.

قال داني غولدشتاين ، طالب الدراسات العليا بجامعة كاليفورنيا في بيركلي الذي طور الرمز لأتمتة عملية اكتشاف المستعرات الأعظمية على صور DES ، "يمكن أن تصنف الخوارزمية لدينا اكتشافًا لمرشح مستعر أعظم في حوالي 0.01 ثانية ، في حين أن الماسح الضوئي البشري المتمرس يمكن أن يستغرق عدة ثوان". .

يلتقط DES حاليًا في موسمه الثاني صورًا ليلية للسماء الجنوبية باستخدام كاميرا DECam - وهي كاميرا بدقة 570 ميجابكسل مثبتة على منظار فيكتور إم. بلانكو في مرصد سيرو تولولو بين الأمريكيين (CTIO) في جبال الأنديز الشيلية. كل ليلة ، تنتج الكاميرا ما بين 100 غيغابايت (GB) و 1 تيرابايت (TB) من بيانات التصوير ، والتي يتم إرسالها إلى المركز الوطني لتطبيقات الحوسبة الفائقة (NCSA) و Fermilab في وزارة الطاقة في إلينوي للمعالجة الأولية والأرشفة.

تم تطوير برامج التعرف على الأشياء في المركز الوطني للحوسبة العلمية لبحوث الطاقة (NERSC) وتم تنفيذها في NCSA ثم تمشيط الصور بحثًا عن عمليات الكشف الممكنة عن المستعرات الأعظمية من النوع Ia. تحدث هذه الانفجارات القوية في أنظمة النجوم الثنائية حيث يكون أحد النجوم قزمًا أبيضًا ، والذي يجمع المواد من نجم مصاحب حتى يصل إلى كتلة حرجة وينفجر في مستعر أعظم من النوع Ia.

يقول غولدشتاين: "هذه الانفجارات رائعة لأنه يمكن استخدامها كمؤشرات مسافة كونية بدقة تتراوح بين 3 و 10 في المائة".

المسافة مهمة لأنه كلما كان الجسم موجودًا في الفضاء ، كلما كان بعيدًا. من خلال تتبع المستعرات الأعظمية من النوع Ia على مسافات مختلفة ، يمكن للباحثين قياس التمدد الكوني طوال تاريخ الكون. وهذا يسمح لهم بوضع قيود على مدى سرعة الكون في التمدد وربما حتى تقديم أدلة أخرى حول طبيعة الطاقة المظلمة.

يقول جولدشتاين ، وهو طالب أيضًا: "من الناحية العلمية ، إنه وقت مثير حقًا لأن العديد من المجموعات حول العالم تحاول قياس المستعرات الفائقة من النوع الأول بدقة من أجل تقييد وفهم الطاقة المظلمة التي تقود التوسع المتسارع للكون". باحث في مركز علم الكونيات الحسابي (C3) في بيركلي لاب.

يبدأ DES بحثه عن انفجارات Type Ia من خلال الكشف عن التغييرات في سماء الليل ، حيث يأتي خط أنابيب طرح الصورة الذي طوره ونفذه الباحثون في مجموعة عمل DES supernova. يطرح خط الأنابيب الصور التي تحتوي على أجسام كونية معروفة من صور جديدة التي تتعرض ليلا في CTIO.

في كل ليلة ، ينتج خط الأنابيب ما بين 10000 وبضع مئات الآلاف من الكشف عن مرشحات السوبرنوفا التي تحتاج إلى التحقق من صحتها.

"تاريخياً ، كان علماء الفلك المدربون يجلسون على الكمبيوتر لساعات ، وينظرون إلى هذه النقاط ، ويقدمون آراء حول ما إذا كانت لديهم خصائص السوبرنوفا ، أو ما إذا كانت ناجمة عن تأثيرات زائفة تتنكر على أنها مستعرات عظمى في البيانات. تبدو هذه العملية مباشرة حتى تدرك أن عدد المرشحين الذين يحتاجون إلى تصنيف كل ليلة كبير بشكل محظور ، وواحد فقط من بين بضع مئات هو مستعر أعظم حقيقي من أي نوع. "هذه العملية مملة للغاية وتستغرق وقتًا طويلاً. كما أنه يضع الكثير من الضغط على مجموعة عمل المستعر الأعظم لمعالجة البيانات ومسحها ضوئيًا بسرعة ، وهو عمل شاق ".

لتبسيط مهمة فحص المرشحين ، طور غولدشتاين كودًا يستخدم تقنية التعلم الآلي "غابة عشوائية" لفحص عمليات الكشف عن مرشحات السوبرنوفا تلقائيًا وفي الوقت الفعلي لتحسينها من أجل DES. تستخدم التقنية مجموعة من أشجار القرار لطرح أنواع الأسئلة تلقائيًا التي قد يضعها الفلكيون في الاعتبار عادةً عند تصنيف مرشحات السوبرنوفا.

في نهاية العملية ، يتم منح كل كشف للمرشح درجة استنادًا إلى جزء من أشجار القرار التي اعتبرته يتمتع بخصائص الكشف عن مستعر أعظم. كلما كانت درجة التصنيف أقرب إلى واحدة ، كلما كان المرشح أقوى. يلاحظ غولدشتاين أنه في الاختبارات الأولية ، حقق خط أنابيب التصنيف دقة إجمالية بنسبة 96 بالمائة.

يقول رولين توماس ، من C3 لشركة Berkeley Lab ، والذي كان متعاونًا مع Goldstein: "عندما تقوم بإجراء عملية الطرح بمفردك ، فإنك تحصل على عدد كبير جدًا من" الإيجابيات الكاذبة "- أدوات مفيدة أو أدوات برمجية تظهر كمرشحين محتملين للمستعر الأعظم - حتى يتمكن البشر من الفحص".

ويلاحظ أنه باستخدام المصنف ، يمكن للباحثين تجريد التحف من مرشحات السوبرنوفا بسرعة وبدقة. يقول توماس: "هذا يعني أنه بدلاً من وجود 20 عالماً من مجموعة عمل السوبرنوفا يتفحصون باستمرار آلاف المرشحين كل ليلة ، يمكنك فقط تعيين شخص واحد للنظر في بضع مئات من المرشحين الأقوياء". "هذا يسرع بشكل كبير من سير عملنا ويسمح لنا بتحديد المستعرات الأعظمية في الوقت الحقيقي ، وهو أمر حاسم لإجراء متابعة الملاحظات."

"باستخدام حوالي 60 نواة على جهاز كمبيوتر فائق ، يمكننا تصنيف 200.000 اكتشاف في حوالي 20 دقيقة ، بما في ذلك الوقت لتفاعل قاعدة البيانات واستخراج الميزات." يقول غولدشتاين.

لاحظ كل من جولدشتاين وتوماس أن الخطوة التالية في هذا العمل هي إضافة مستوى ثان من التعلم الآلي إلى خط الأنابيب لتحسين دقة التصنيف. ستأخذ هذه الطبقة الإضافية في الاعتبار كيفية تصنيف الكائن في الملاحظات السابقة لأنها تحدد احتمال أن المرشح "حقيقي". يعمل الباحثون وزملاؤهم حاليًا على مناهج مختلفة لتحقيق هذه القدرة.

Pin
Send
Share
Send

شاهد الفيديو: اثنا عشرة طريقة علمية لإنقاص الوزن بدون حمية قاسية (شهر نوفمبر 2024).