لا يشبه علماء الفلك المحترفون الحديثون كثيرًا علماء الفلك القدامى. إنهم لا يقضون كل أمسية مناسبة وأعينهم ملتصقة بعيون التلسكوب. قد يكون من المرجح أن تجدهم أمام جهاز كمبيوتر خارق ، ويعملون باستخدام الذكاء الاصطناعي وأساليب التعلم العميق.
استخدمت إحدى مجموعات الباحثين هذه الأساليب لإيجاد مجموعة جديدة كاملة من النجوم في مجرة درب التبانة. مجموعة من النجوم لم يولدوا هنا.
مجموعة النجوم تسمى Nyx. إن نيكس عبارة عن تيار هائل من النجوم بالقرب من الشمس ، وهو مصطلح قريب بالطبع. يقول فريق الباحثين أن Nyx هو البقايا الممتدة لمجرة قزمة أو كتلة كروية اندمجت مع درب التبانة.
الدراسة الجديدة التي تقدم نتائجها بعنوان ' دليل على وجود تيار نجمي متقدم واسع النطاق في محيط الشمس. المؤلف الرئيسي هو لينا نجيب ، باحثة ما بعد الدكتوراه في الفيزياء النظرية في معهد كاليفورنيا للتكنولوجيا. تم نشر الورقة في مجلة Nature Astronomy.
أحد الأشياء المثيرة للاهتمام حول هذا الاكتشاف هو كيف وجده الباحثون. لم يتم رصد Nyx باستخدام التلسكوب ، بل تم العثور عليه من خلال تطبيق أساليب التعلم العميق على البيانات الواردة من جايا ، مرصد الفضاء التابع لوكالة الفضاء الأوروبية والذي يرسم خريطة ثلاثية الأبعاد لمجرة درب التبانة. هذا الاكتشاف هو انعكاس لعدد من اكتشافاتنا هذه الأيام. بدلاً من استكشاف السماء باستخدام التلسكوبات مباشرة ، تجمع المسوحات الآلية للسماء كميات هائلة من البيانات التي يمكن دراستها بنفسها بعد ذلك.
حددت الدراسة حوالي 200 إلى 250 نجمة مكياج Nyx. لا ينبغي أن يكون العثور على بقايا مجرات أخرى أصغر أمرًا مفاجئًا ؛ هكذا تنمو المجرات. لكن قد يفاجأ غير العلماء بكيفية العثور عليها.
'نحن في المراحل الأولى من القدرة على فهم تكوين درب التبانة حقًا.'
لينا نجيب ، المؤلف الرئيسي ، الفيزيائية النظرية ، معهد كاليفورنيا للتكنولوجيا
يقوم جاي بإنشاء خريطة ثلاثية الأبعاد لمجرة درب التبانة ، ولكن ليس من خلال رسم خرائط لكل نجم على حدة ؛ هناك أكثر من 200 مليار منهم. يقوم Gaia بذلك عن طريق أخذ عينات من حوالي مليار من نجوم المجرة ، والاستقراء منها. جهد بحثي آخر يسمى ردود الفعل في بيئات واقعية (FIRE) ، عمليات محاكاة كونية ضخمة تسعى إلى تحسين الطبيعة التنبؤية لنماذج تشكيل المجرات لدينا ، من بين أشياء أخرى.
استخدم فريق الباحثين وراء هذه الدراسة كلاً من Gaia و FIRE لاكتشاف Nyx. لقد جمعوا البيانات من كليهما وأخضعوها لما يسمى ' طرق التعلم العميق . ' تعتبر أساليب التعلم العميق موضوعًا معقدًا ، ولا يمكن شرحه بسهولة. بشكل أساسي ، إنها طريقة للتعلم الآلي تستخدم أشياء مثل الشبكات العصبية الاصطناعية . إذا كنت تريد معرفة المزيد ، فتوجه إلى Cambridge Mass. وتسكع في حرم معهد ماساتشوستس للتكنولوجيا. تظهر النمذجة المتقدمة أن هذا هو أفضل رهان لك.
صورة من إحدى عمليات محاكاة FIRE. إنه قادر على محاكاة مجرات بأكملها وكيفية تصرفها أثناء عمليات الدمج. هذه صور وهمية لمجرة أخرى ذات كتلة درب التبانة ، بأطوال موجية مختلفة (يسار) مثل ضوء النجوم المرصود ، وصور الراديو للغاز الجزيئي (CO) ، وصور الأشعة السينية للغاز التاجي الساخن ، وصور الأشعة تحت الحمراء للغبار. إلى اليمين ، نظهر مجرة مماثلة تتعرض لتصادم عنيف وتندمج مع رفيق كتلة أندروميدا. في كل منها ، تظهر عناقيد النجوم الفتية كمناطق زرقاء لامعة ، بينما يؤدي حجب الغاز والغبار الكثيف إلى ظهور الممرات الحمراء / البنية. حقوق الصورة: FIRE
'إنها أكبر دراسة حركية حتى الآن. وقال نجيب عن جايا في أ خبر صحفى . 'مجموعة فرعية منها ، سبعة ملايين نجم ، لها سرعات ثلاثية الأبعاد ، مما يعني أنه يمكننا أن نعرف بالضبط مكان النجم وحركته. لقد انتقلنا من مجموعات بيانات صغيرة جدًا إلى إجراء تحليلات ضخمة لم يكن بوسعنا القيام بها من قبل لفهم بنية مجرة درب التبانة '.
نحن نعلم أن المجرات مثل درب التبانة تنمو بشكل كبير من خلال عمليات الاندماج. ليس بالضرورة عمليات الاندماج العملاقة مثل تلك التي ستتم بعد مليار سنة من الآن ، بين مجرة درب التبانة وأندروميدا . أشبه بسلسلة من عمليات الاندماج الأصغر ، مثل تلك الموجودة في هذه الدراسة. درب التبانة قد انتهى 50 مجرة ساتلية صغيرة ، ومن المحتمل أن تكون عمليات الدمج بينها وبين هذه الأنواع من الأنواع الأصغر عملية تدريجية في نمو المجرات.
مستوى مجرة درب التبانة وفقًا لبيانات غايا ، مع أكبر مجرة قزمة معروفة ، مجرة القوس القزم الكروية. إنها واحدة من أكثر من 50 مجرة تابعة بالقرب من مجرة درب التبانة. حقوق الصورة: بواسطة ESA / Gaia / DPAC، CC BY-SA 3.0-igo، https://commons.wikimedia.org/w/index.php؟curid=77752828
العلماء متأكدون تمامًا من عمليات الاندماج التي تغذي نمو المجرات ، لكن كان من الصعب العثور على دليل على ذلك في مجرة درب التبانة. تبدو الأشياء هادئة في مجرتنا - هادئة جدًا بالنسبة لبعض الباحثين.
قال نجيب: 'تتشكل المجرات بابتلاع مجرات أخرى'. 'لقد افترضنا أن درب التبانة كان لها تاريخ اندماج هادئ ، ولفترة من الوقت كان الأمر يتعلق بمدى هدوءها لأن عمليات المحاكاة التي أجريناها تظهر الكثير من عمليات الاندماج. الآن ، مع إمكانية الوصول إلى الكثير من الهياكل الأصغر ، نفهم أنها لم تكن هادئة كما تبدو. من المفيد جدًا امتلاك كل هذه الأدوات والبيانات والمحاكاة. يجب استخدام كل منهم دفعة واحدة لحل هذه المشكلة. نحن في المراحل الأولى من القدرة على فهم تكوين درب التبانة حقًا '.
كما يوضح البيان الصحفي لهذه الدراسة ، تقدم خريطة Gaia تحدياتها الخاصة. جميع بياناته عبارة عن كنز دفين كان ببساطة بعيدًا عن متناول الأجيال السابقة من الباحثين. لكن كيف يمكنك التعامل مع كل تلك البيانات؟ كيف يمكن للباحثين تحليل كل ذلك للعثور على الروابط والأنماط؟ وهنا يأتي دور أجهزة الكمبيوتر القوية والتعلم الآلي.
ملخص رسومي لإصدار بيانات Gaia الثاني. حقوق الصورة: بواسطة ESA، CC BY-SA 3.0-igo، https://commons.wikimedia.org/w/index.php؟
'في السابق ، كان على علماء الفلك القيام بالكثير من البحث والتخطيط ، وربما يستخدمون بعض خوارزميات التجميع. وأوضح نجيب أن هذا لم يعد ممكنًا حقًا بعد الآن. 'لا يمكننا التحديق في سبعة ملايين نجم ومعرفة ما يفعلونه. ما فعلناه في هذه السلسلة من المشاريع هو استخدام كتالوجات Gaia الصورية '.
قبل أن نشرح ماهية كتالوجات Gaia mock ، هناك شيء تحتاج لمعرفته حول المحاكاة والتعلم الآلي والأدوات ذات الصلة. على الرغم من قوتهم ، إلا أن لديهم عيبًا. هذا ليس مفاجئا. كل شيء يفعل.
الخطر في هذا النوع من العمل يشبه ما يطارد جميع أجهزة الكمبيوتر ، وقد تمت صياغته بإيجاز شديد في الأيام الأولى لأجهزة الكمبيوتر: إدخال قمامة ، إخراج قمامة (GIGO). ما يعنيه ذلك هو أنه بغض النظر عن مدى قوة جهاز الكمبيوتر ، فإنه لا يمكنه تحقيق نتائج إذا كانت مدخلاته غير صحيحة. بطريقة أكثر دقة ، هذا هو المأزق لأجهزة الكمبيوتر العملاقة والتعلم الآلي ، ولعمليات المحاكاة مثل FIRE.
أحد المتعاونين في الدراسة هو برايان أوستديك (الذي كان يعمل سابقًا في جامعة أوريغون ، والآن في جامعة هارفارد) ، والذي كان سابقًا مشاركًا في مشروع مصادم الهادرون الكبير (LHC). يتمتع Ostdiek بخبرة حيوية في التعامل مع مجموعات البيانات الضخمة والتعلم الآلي في LHC.
كاشف Muon الملف اللولبي المضغوط على LHC. مثل مهمة Gaia التابعة لوكالة الفضاء الأوروبية ، ينتج المصادم LHC قدرًا هائلاً من البيانات ، ونحن بحاجة إلى المساعدة في استعراض كل ذلك. لحسن الحظ ، ساعد أحد الأشخاص المسؤولين عن التعامل مع كل تلك البيانات في هذه الدراسة. حقوق الصورة: CERN
قال أوستديك: 'في مصادم الهادرونات الكبير ، لدينا عمليات محاكاة لا تصدق ، لكننا قلقون من أن الآلات المدربة عليها قد تتعلم المحاكاة وليس الفيزياء الحقيقية'. بطريقة مماثلة ، توفر مجرات FIRE بيئة رائعة لتدريب نماذجنا ، لكنها ليست مجرة درب التبانة. كان علينا أن نتعلم ليس فقط ما يمكن أن يساعدنا في تحديد النجوم المثيرة للاهتمام في المحاكاة ، ولكن أيضًا كيفية جعل هذا التعميم على مجرتنا الحقيقية '.
العالم والفيلسوف البولندي الأمريكي الشهير ألفريد كورزبسكي لخص المشكلة عندما قال: 'الخريطة ليست المنطقة'.
'كنا بحاجة للتأكد من أننا لا نتعلم أشياء مصطنعة عن المحاكاة ، ولكن في الحقيقة ما يحدث في البيانات.'
لينا نجيب ، المؤلف الرئيسي ، الفيزيائية النظرية ، معهد كاليفورنيا للتكنولوجيا
بدأ الفريق بمحاكاة FIRE للمجرات. ثم قاموا بتجميع النجوم في تلك المجرات إلى نوعين: نجوم ولدت في محاكاة المجرة المضيفة ، أو النجوم التي جاءت من الاندماجات. يمكن أن تكون الاختلافات بين الاثنين دقيقة ، لكنها موجودة. ثم تم استخدام هذه الملصقات لتدريب نماذج التعلم العميق ، والتي اختبرها الفريق بعد ذلك على عمليات محاكاة FIRE الأخرى.
لينا نجيب ، المؤلف الرئيسي للدراسة ، وباحثة ما بعد الدكتوراه في الفيزياء النظرية في معهد كاليفورنيا للتكنولوجيا. حقوق الصورة: معهد كاليفورنيا للتكنولوجيا / نجيب
نتيجة كل ذلك هي كتالوجات Gaia الصورية. ثم أخذوا الكتالوجات ونموذج التعلم العميق وطبقوه على بيانات Gaia الحقيقية. في الأساس ، طرحوا سؤالًا بسيطًا: 'بناءً على ما تعلمته ، هل يمكنك تصنيف ما إذا كانت النجوم قد تراكمت أم لا؟' ثم صنف النموذج كل نجم وفقًا لمدى ثقته في الملصق ، سواء كان نجمًا محليًا أو نجمًا مدمجًا.
إذا كان هذا يبدو معقدًا ومحفوفًا بالأخطاء المحتملة ، فهو كذلك. لكنها أيضًا قوية ، وبالنسبة للفرق ذات الخبرة المناسبة والذين يبذلون الكثير من العمل الشاق ، يمكن أن تكون قوية.
الطريقة الكاملة التي يستخدمها الباحثون تسمى 'نقل التعلم'. ونسيب يعرف ما هي المخاطر. قال نجيب: 'كنا في حاجة للتأكد من أننا لا نتعلم أشياء مصطنعة عن المحاكاة ، ولكن في الحقيقة ما يحدث في البيانات'. 'لذلك ، كان علينا أن نقدم له القليل من المساعدة ونطلب منه إعادة وزن بعض العناصر المعروفة لمنحها القليل من المرساة.'
نتائج مثل هذه يمكن اختبارها. يمكنهم ضبط نموذج التعلم العميق على مجرة درب التبانة الفعلية ، ومعرفة ما إذا كان بإمكانه تحديد الميزات المعروفة. اختبرها الفريق بما يسمى بسجق غايا.
ال سجق جايا هو الشكل المنذر لمجرة قزمة اندمجت مع مجرة درب التبانة منذ ما بين 8 إلى 11 مليار سنة. يحتل عدد النجوم في Gaia Sausage مساحة سرعة متميزة ، في شكل سجق مميز من مدارات مستطيلة.
على اليسار توجد خريطة كثافة النجوم لمجرة درب التبانة من جايا. سجق Gaia غير مرئي هنا ، ولكنه قريب من سحابة Magellanic الكبيرة ومنطقة التجنب. يوجد على اليمين الكتلة الكروية NGC 2808 ، والتي يعتقد الباحثون أنها قد تكون اللب القديم لـ Gaia Sausage. حقوق الصورة: اليسار: بواسطة ESA / Gaia ؛ http://sci.esa.int/gaia/56124-counting-stars-with-gaia/، CC BY-SA 3.0-igo، https://commons.wikimedia.org/w/index.php؟curid=41619085 . إلى اليمين: بواسطة NASA و ESA و A. Sarajedini (جامعة فلوريدا) و G. Piotto (جامعة بادوفا (بادوفا)) - http://hubblesite.org/newscenter/archive/releases/2007/2007/18/image/ أ / (رابط مباشر) ، المجال العام ، https://commons.wikimedia.org/w/index.php؟curid=2371715
وأوضحت 'لها توقيع محدد للغاية'. 'إذا عملت الشبكة العصبية بالطريقة التي من المفترض أن تعمل بها ، يجب أن نرى هذا الهيكل الضخم الذي نعرفه بالفعل.'
كان الاختبار ناجحًا. لم تعثر الشبكة العصبية على Gaia Sausage فحسب ، بل وجدت شيئًا آخر: Nyx. تيار من النجوم كان يدور مع مجرة درب التبانة ، ولكنه كان يتحرك أيضًا كمجموعة نحو مركز المجرة.
'غريزتك الأولى هي أن لديك حشرة.'
لينا نجيب ، المؤلف الرئيسي ، الفيزيائية النظرية ، معهد كاليفورنيا للتكنولوجيا
عندما رصدت تيار النجوم النجمي ، اعتقدت نيسيب أنه قد يكون خطأ. وروى نجيب: 'غريزتك الأولى هي أن لديك حشرة'. 'وأنت مثل ،' أوه لا! 'لذلك ، لم أخبر أيًا من المتعاونين معي لمدة ثلاثة أسابيع. ثم بدأت أدرك أنه ليس خطأ ، إنه حقيقي وجديد في الواقع '.
السؤال التالي ، بما أن هذا هو العلم والعلماء شاملون ، كان البحث في الأدبيات العلمية لمعرفة ما إذا كان هذا التيار النجمي من النجوم قد تم تحديده من قبل.
'كل شيء يتعلق بهذا المشروع حسابيًا مكثفًا للغاية ولن يكون من الممكن حدوثه بدون الحوسبة على نطاق واسع.'
لينا نجيب ، المؤلف الرئيسي ، الفيزيائية النظرية ، معهد كاليفورنيا للتكنولوجيا
'تبدأ في الاطلاع على الأدبيات ، والتأكد من أن لا أحد قد رآها ولحسن حظي ، لم يره أحد. قال نجيب 'لذلك سميت ذلك ، وهو الشيء الأكثر إثارة في الفيزياء الفلكية'. 'أطلق عليها اسم Nyx ، إلهة الليل اليونانية. هذه البنية الخاصة مثيرة جدًا للاهتمام لأنه كان من الصعب جدًا رؤيتها بدون التعلم الآلي '.
عندما أطلقت وكالة الفضاء الأوروبية Gaia في عام 2013 ، كانوا يعلمون أنها ستنتج كمية هائلة من البيانات. عرف الباحثون في ذلك الوقت أنه سيتعين عليهم تطوير طرق أفضل لأخذ كل تلك البيانات وفهمها. وهذه الدراسة هي مثال رائع على كيفية عملها.
رسم توضيحي لتلسكوب غايا الفضائي. الائتمان: معهد كافلي لعلم الكونيات ، كامبريدج.
قال نجيب: 'عندما بدأت مهمة جايا ، أدرك علماء الفلك أنها واحدة من أكبر مجموعات البيانات التي كانوا سيحصلون عليها ، ولديهم الكثير مما يثير الإعجاب'. 'لكننا كنا بحاجة إلى تطوير تقنياتنا للتكيف مع مجموعة البيانات. إذا لم نقم بتغيير أو تحديث أساليبنا ، فسوف نفقد الفيزياء الموجودة في مجموعة البيانات الخاصة بنا '.
قال نجيب: 'كل شيء يتعلق بهذا المشروع حسابي مكثف للغاية ولن يكون من الممكن حدوثه بدون الحوسبة واسعة النطاق'.
لكن هذه ليست النهاية. بعد ذلك سوف تأتي الدراسات الطيفية لنجوم نيكس. سيساعد ذلك الباحثين على فهم من أين أتت Nyx. يجب أن تساعدهم في معرفة ما إذا كانت Nyx هي بالتأكيد بقايا ملف المجرة القزمة . هناك أيضًا احتمال أن Nyx ليس تيارًا من النجوم من مجرة أخرى ، ولكنه اضطراب في قرص مجرة درب التبانة لسبب مختلف.
كتب المؤلفون في ختام بحثهم 'ستلعب دراسات التحليل الطيفي للمتابعة دورًا حاسمًا في تحديد أصل تيار نيكس من خلال توفير مجموعة أكبر من الوفرة الكيميائية'. 'سيساعد هذا إما في تأكيد الحجج الحركية المذكورة أعلاه والتي تشير إلى أن Nyx هي بقايا مجرة قزمة ، أو أنها اضطراب في قرص مجرة درب التبانة.'