Machine Learning Discovers Quasars Acting as Lenses
Machine Learning Discovers Quasars Acting as Lenses
Los astrónomos han ampliado significativamente el catálogo de lentes gravitacionales de cuásares raros al combinar datos del Espectroscopio de Instrumentos de Energía Oscura (DESI) con técnicas avanzadas de aprendizaje automático. Los métodos tradicionales tienen dificultades para identificar estos sistemas porque el intenso brillo de los cuásares oculta sus galaxias anfitrionas. Al entrenar una red neuronal para detectar firmas espectrales sutiles de galaxias de fondo desplazadas en longitud de onda, los investigadores identificaron con éxito nuevos candidatos de alta calidad, duplicando efectivamente la muestra previamente conocida en un solo esfuerzo de búsqueda. Este avance es importante porque las lentes de cuásares ofrecen una oportunidad única para medir con precisión la masa de las galaxias anfitrionas de agujeros negros supermasivos, una tarea que de otro modo sería casi imposible debido al deslumbramiento abrumador de los núcleos galácticos activos. Al analizar los efectos de lente gravitacional, los científicos pueden determinar directamente la masa de la galaxia anfitriona. Esta capacidad proporciona información crítica sobre la coevolución de los agujeros negros supermasivos y sus galaxias circundantes a lo largo de la historia cósmica, llenando una brecha significativa en nuestra comprensión de la formación y el desarrollo de las galaxias. La relevancia para los datos abiertos radica en la demostración de cómo los conjuntos de datos astronómicos públicos a gran escala, cuando se combinan con análisis algorítmicos sofisticados, pueden desbloquear nuevos descubrimientos científicos. El estudio muestra el valor de liberar grandes cantidades de datos espectrales, permitiendo que la comunidad investigadora desarrolle y pruebe métodos de detección innovadores. Destaca que el acceso abierto a datos observacionales crudos facilita la creación de simulaciones complejas y el entrenamiento de modelos de inteligencia artificial, acelerando en última instancia el progreso en astrofísica sin requerir acceso exclusivo a recursos propietarios.
Fuente: universetoday.comPublicado el 2025-11-15