研究人員在銀河系盤中發(fā)現了一個新的恒星團，這是與另一個矮星系合并的第一個證據。機器學習算法和來自蓋亞太空天文臺的數據模擬使發(fā)現這種新的恒星流成為可能，它以希臘夜神女神Nyx的名字命名。該發(fā)現發(fā)表在《 自然天文學》上，是賓夕法尼亞大學， 加州理工學院， 普林斯頓大學， 特拉維夫大學和 俄勒岡大學的研究人員合作的結果 。

蓋亞衛(wèi)星正在收集數據，以創(chuàng)建超過10億顆恒星的高分辨率3D地圖。蓋亞(Gaia)可以從 L2拉格朗日(L2 Lagrange)的位置觀察整個天空，這些極其精確的恒星位置測量值使研究人員可以了解更多有關銀河系結構的信息，例如銀河系，以及它們如何隨著時間演化。

在蓋亞(Gaia)收集數據的五年中，天文學家和研究的共同作者 佩恩(Ronn)的羅賓·桑德森(Robyn Sanderson)說，迄今為止收集到的數據表明，星系比以前想象的要動態(tài)和復雜得多。憑借對星系動力學的興趣，桑德森正在研究通過研究恒星的軌道來模擬銀河系暗物質分布的新方法。對她而言，蓋亞(Gaia)生成的海量數據既是了解銀河系的難得機會，又是需要新技術的科學挑戰(zhàn)，而機器學習正是這種挑戰(zhàn)。

“人們?yōu)樾窍到５囊环N方式是手工建立模型，”桑德森說，他指的是該領域中使用的傳統數學模型。“但是這排除了我們銀河系形成的宇宙學背景：事實是它是由較小的星系合并而成的，或者最終形成恒星的氣體來自銀河系之外。” 現在，使用機器學習工具，像桑德森這樣的研究人員可以在計算機上重新創(chuàng)建星系的初始條件，以查看結構是如何從基本物理定律中出現的，而無需指定數學模型的參數。

能夠使用機器學習來詢問有關星系演化的問題的第一步是 從 模擬中創(chuàng)建 模擬Gaia調查。這些模擬包括科學家所知道的有關星系形成方式的所有細節(jié)，包括暗物質，氣體和恒星的存在。它們也是有史以來最大的星系計算機模型之一。研究人員使用三種不同的星系模擬來創(chuàng)建九次模擬調查，每項模擬中的三項模擬調查，每個模擬調查包含使用500萬顆粒子生成的2-6億顆恒星。仿真需要幾個月的時間才能完成，需要1000萬個CPU小時才能在一些世界上最快的超級計算機上運行。

藝術家對蓋亞衛(wèi)星的印象。蓋亞(Gaia)由歐洲航天局(European Space Agency)于2013年發(fā)起，其雄心勃勃的使命是繪制銀河系的三維地圖，以揭示其組成，形成和演化過程。圖片來源：ESA–D。杜克羅斯(Ducros)，2013年

然后，研究人員在這些模擬數據集上訓練了一種機器學習算法，以學習如何根據其動態(tài)特征的差異來識別來自其??他星系的恒星。為了確認他們的方法是可行的，他們驗證了該算法是否能夠發(fā)現其他已被確認為來自銀河系以外的恒星，包括蓋亞香腸 (Gaia Sausage)和赫爾米(Helmi)流，兩個與 星云合并的矮星系。數十億年前的銀河系。

除了發(fā)現這些已知的結構外，該算法還識別出由250個恒星組成的星團，它們與銀河系的盤一起朝著銀河系的中心旋轉。恒星流，由論文的主要作者利娜·內西布(Lina Necib)命名為Nyx， 使用傳統的手工模型很難發(fā)現，特別是因為蓋亞星表中只有1%的恒星被認為來自其他星系。“這種特殊的結構非常有趣，因為沒有機器學習就很難看到它，” Necib說。

但是，機器學習方法還需要仔細解釋，以確認任何新發(fā)現都不只是代碼中的錯誤。這就是為什么模擬數據集如此重要的原因，因為不能在算法所評估的同一數據集上訓練算法。研究人員還計劃通過收集有關其流化學成分的新數據來確認Nyx的起源，以查看這顆恒星團是否與銀河系中的恒星不同。

對于正在研究暗物質分布的桑德森及其團隊成員而言，機器學習還提供了新的方法來測試有關暗物質粒子的性質及其分布原理的理論。在即將發(fā)布的第三個Gaia數據版本中，該工具將變得尤為重要，它將提供更詳細的信息，使她的團隊可以更準確地模擬銀河系中暗物質的分布。而且，作為Sloan數字天空調查聯盟的成員 ，桑德森還使用Gaia模擬來幫助計劃未來的恒星勘測，以創(chuàng)建整個宇宙的3D地圖。

“我的子領域的人們現在轉向這些技術的原因是因為我們之前沒有足夠的數據來做這樣的事情?，F在，我們對數據不知所措，我們試圖弄清比舊模型所能處理的復雜得多的事情。”桑德森說。“我的希望是能夠加深我們對銀河系質量，暗物質的分布方式的理解，并將其與我們對不同暗物質模型的預測相比較。”

盡管分析這些海量數據集面臨挑戰(zhàn)，但桑德森很高興繼續(xù)使用機器學習來發(fā)現新發(fā)現并獲得有關星系演化的新見解。“現在是在這個領域工作的好時機。這是夢幻般的; 我喜歡它，”她說。

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！