机器学习是发现1200多个引力透镜的关键，引力透镜是什么？

　　机器学习是发现1200多个引力透镜的关键。来自DESI（暗能量光谱仪）传统成像调查的数据显示，已有1200多种新的引力透镜，大约是已知透镜数量的两倍。这些遥远星系的变形和拉伸图像是通过对真实数据进行训练的机器学习发现的，为天文学家提供了一系列新的目标，用以测量宇宙的基本特性，例如哈勃常数，它描述了正在膨胀的宇宙。

　　寻找重力透镜的天文学家利用机器学习来检查称为DESI传统成像调查的庞大数据集，发现了1210枚新透镜。数据是在美国国家科学基金会NOIRLab的两个程序Cerro Tololo美洲天文台（CTIO）和基特峰国家天文台（KPNO）上收集的。雄心勃勃的DESI传统影像调查刚刚发布了第九个也是最后一个数据。

　　自1930年代以来在科学期刊上进行讨论，引力透镜是爱因斯坦广义相对论的产物。该理论说，一个巨大的物体，例如星系团，可以扭曲时空。包括爱因斯坦在内的一些科学家预测，时空的这种扭曲可能是可观察到的，这是因为前景星系团对背景星系发出的光进行了拉伸和扭曲。镜头通常在图像中显示为前景星系和星系团周围的弧形和条纹。

　　预计每10,000个大质量星系中只有1个显示出强大的引力透镜的证据，并且定位它们并不容易。引力透镜使天文学家能够探索我们宇宙中最深刻的问题，包括暗物质的性质和定义宇宙膨胀的哈勃常数的值。迄今为止，使用引力透镜的主要限制是已知的引力透镜的数量很少。

　　“庞大的星系扭曲了周围的时空，但通常您不会注意到这种影响。”该研究的主要作者，旧金山大学的黄晓生指出：“只有当一个星系直接藏在一个巨大的星系后面时，才能看到它的镜头。” “当我们在2018年开始这个项目时，只有大约300支经确认的强力镜片。”

　　由于可以从DESI传统影像调查获得科学就绪的数据，因此可以进行透镜研究，该数据旨在确定DESI运营的目标，并且已经发布了第九个也是最后一个数据集。这些调查由三个项目的独特组合组成，这些项目观测了夜空的三分之一：暗能量相机传统调查（DECaLS），由DOE建造的维克多·M·布兰科4米仪表上的暗能量相机（DECam）观测到。智利CTIO望远镜；在KPNO的Nicholas U. Mayall 4米望远镜上通过Mosaic3相机进行的Mayall z波段旧式测量（MzLS）；Bok 2.3米望远镜上的90Prime摄像头拍摄的北京——亚利桑那天空测量图（BASS），该望远镜由亚利桑那大学拥有并运营，位于KPNO。

　　NSF NOIRLab的研究合著者Arjun Dey说：“我们是作为一家公共企业从根本上设计了Legacy Surveys成像项目的，因此任何科学家都可以使用它。” “我们的调查已经产生了超过一千个新的引力透镜，毫无疑问还有更多的等待发现。

　　DESI旧版影像调查数据通过NOIRLab社区科学和数据中心（CSDC）的天文数据实验室提供给天文社区。CSDC总监亚当·博尔顿（Adam Bolton）说：“为发现和探索提供科学就绪的数据集是我们的使命的核心。” “ DESI传统影像调查是一项重要资源，天文学界可以将其用于此类调查多年。”

　　为了分析数据，Huang和团队使用了伯克利实验室的国家能源研究科学计算机中心（NERSC）超级计算机。“ DESI旧版影像调查对这项研究绝对至关重要；不仅包括望远镜，仪器和设施，还包括数据缩减和源提取。” Huang解释说。“观察的广度和深度是无与伦比的。”

　　由于要处理大量的科学数据，研究人员转向了一种称为深度残差神经网络的机器学习。神经网络是一种计算算法，在某种程度上可与人脑媲美，用于解决人工智能问题。深度神经网络具有许多层，这些层可以共同确定候选对象是否属于特定组。为了能够做到这一点，必须训练神经网络以识别所讨论的物体。

　　现在有大量的候选镜片可供使用，研究人员可以对宇宙学参数（例如哈勃常数）进行新的测量。关键将是检测背景星系中的超新星，当它由前景银河系镜头时，将显示为多个光点。现在，天文学家知道哪些星系显示出强大的透镜证据，他们知道在哪里搜索。诸如维拉·鲁宾天文台（目前正在智利建造，由NOIRLab运营）等新设施将对此类物体进行监视，作为其任务的一部分，从而可以通过其他望远镜对超新星进行快速测量。