导读 目之所及，星系充满了宇宙深处的图像。哪些过程决定了它们的形状、颜色和恒星数量?天文学家认为，太初黑洞是星系生长和转变的引擎，可以解...

目之所及，星系充满了宇宙深处的图像。哪些过程决定了它们的形状、颜色和恒星数量?天文学家认为，太初黑洞是星系生长和转变的引擎，可以解释我们现在看到的宇宙景观。

即将进行的射电望远镜巡天将捕获早期宇宙中的数百万个星系，但只有自动工具，例如天体物理和空间科学研究所(IA)领导的团队创​​建的算法，才能读取这些海量数据并找到星系其核心有巨大的黑洞。

天体物理与空间科学研究所(IA)和里斯本大学理学院(CiênciasULisboa)的RodrigoCarvajal领导的国际团队今天(12月6日)在《天文学与天体物理学》杂志上发表了一篇文章。，提出了一种机器学习技术，可以识别早期宇宙中的超光度星系。

人们认为这些星系的核心是一个贪婪的黑洞的活动。根据作者的说法，这应该是第一个预测这种活动何时也会在无线电频率中辐射强烈信号的算法。无线电发射通常与银河系的其他光不同，有时很难将它们联系起来。这种人工智能技术将使天文学家能够更有效地寻找所谓的射电星系。

该算法是与数据科学技术解决方案领域的Closer公司合作开发的，并使用在电磁波谱的多个波长中获得的星系图像进行训练。当使用其他图像进行测试时，它能够预测的射电星系比使用明确指令的传统方法多四倍。

随着机器学习开发自己的算法，试图理解它的成功可能有助于澄清大爆炸后15亿年(即宇宙年龄是当前年龄的十分之一)这些星系中发生的物理现象。

卡瓦哈尔说：“我们必须在天空中找到更活跃的星系，因为有预测称，在宇宙的早期历史中应该存在更多的星系。根据目前的观测，我们还没有这个数字。”这位研究人员表示，需要更多的观测来验证目前对活跃星系如何演化的理解是否正确，或者是否需要修改。

“分析机器学习模型本身并了解其中发生的情况也很重要，”卡瓦哈尔补充道。“哪些特征与决策最相关?例如，我们想知道模块表明它是一个活跃星系的最重要特征是否是星系发出的红外光，这可能表明快速新恒星的形成。这样，我们就能够制定一个新的定律来区分正常星系和活跃星系。”

星系的相对权重特征对计算机做出的决定可能表明其强烈活动的根源，特别是在无线电频段。在一项准备中的研究中，卡瓦哈尔正在探索无线电发射与恒星形成之间这种明显依赖性的影响。

IA的IsraelMatute和该论文的第二作者CiênciasULisboa澄清道：“这些模型是数学工具，可以帮助我们在数据复杂性增加时找到正确的方向。这项工作可能会提供对以下过程的见解：抑制了宇宙历史后半段新恒星的形成。”

原始宇宙中似乎缺乏的星系可能存在于现代射电望远镜在未来几年产生的大量数据中。未来对广阔天空区域的调查将揭示数十亿个星系。一个例子是宇宙演化图(EMU)，它将利用澳大利亚的ASKAP射电望远镜绘制整个南天半球的地图。

由IA领导的团队已经在处理来自该调查试点项目的数据。一旦完善，这些工具对于处理未来平方公里阵列天文台(SKAO)将产生的天文量数据至关重要。葡萄牙是该天文台联盟的成员，该天文台已经在建设中。

这篇论文的合著者、IA和CiênciasULisboa的JoséAfonso表示：“在天文学将能够获取大量数据的新时代，开发用于处理和分析数据的先进技术变得越来越重要。”“在IA，我们正在开发和实施这些技术，以便能够破译星系的起源以及其中大多数星系所拥有的超大质量黑洞。”

Closer公司与IA合作的想法是由合著者之一HelenaCruz提出的，她拥有博士学位。拥有物理学博士学位，是Closer的数据科学家。她的参与对于分析和处理用于训练机器学习算法的不同数据源(来自多个望远镜和观测程序)之间的不确定性和不一致的影响至关重要。

“我意识到天文学是一个为探索和开发机器学习模型提供巨大机会的领域，将我的专业技能应用到这个领域对我来说很有意义，”克鲁兹说。“我与Closer表达了我的兴趣，双方立即表现出了合作的意愿，我认为这是我在公司工作的延伸。”

Closer联合创始人、教授兼研究员JoãoPiresdaCruz补充道：“Closer的蓬勃发展得益于合作者的知识，这是它的资本。”“从科学的角度来看，我们的团队成员参与的项目越具有挑战性和复杂性，公司的资本就越大。我们将拥有能够解决客户问题的合作者，这些问题类似于来自遥远星系的信号。”