BlackHalo logo
Published on

最大二维宇宙地图助力发现70个新引力透镜

Authors
  • Name
    编辑精选
    phys.org
DESI Legacy Imaging Surveys数据中发现的引力透镜示例,中心星系周围可见光弧或光环
头图来源: 来源页面

最大二维宇宙地图与引力透镜新发现

2026年8月,DESI Legacy Imaging Surveys团队发布了迄今最大的二维宇宙地图——一张包含5.6万亿像素、近40亿个天体的巨幅图像,覆盖恒星、星系、黑洞和小行星等各类天体。这张地图由三个地面巡天项目的数据拼接而成:使用美国能源部制造的5.7亿像素暗能量相机(DECam)在智利塞罗托洛洛美洲天文台进行的暗能量相机遗产巡天(DECaLS);在亚利桑那州基特峰国家天文台进行的Mayall z波段遗产巡天(MzLS);以及同样在基特峰进行的北京-亚利桑那巡天(BASS),并辅以NASA广域红外巡天探测器(WISE)多年的数据。

正是基于这张前所未有的宇宙地图,一个国际团队借助人工智能技术,从海量数据中筛选出引力透镜候选体,并通过后续光谱观测确认了70个新的引力透镜。这些天然放大镜是宇宙中罕见的天体排列——当一个大质量前景天体(如星系、星系团或黑洞)恰好位于地球与更遥远背景天体之间时,其引力会弯曲并放大背景光,形成弧、环甚至多重像。

AI加速筛选:从数万亿像素中寻找透镜

DESI Legacy Imaging Surveys的深度和广度为发现新引力透镜提供了前所未有的基础,但同时也带来了巨大挑战:数千个引力透镜可能隐藏其中,但人工逐一检查数万亿像素的图像几乎不可能。研究团队转而采用残差神经网络——一种擅长识别图像中细微模式的机器学习方法——来搜索巡天数据中引力透镜的独特特征。此前基于该技术的工作已创建了一个包含约3500个潜在透镜的候选目录。

机器学习极大地加速了发现过程,使天文学家能够将宝贵的望远镜时间集中在最有希望的候选体上进行后续观测。正如NOIRLab副科学家、该研究的合著者Aleksandar Cikota所说:“大型巡天与AI搜索的结合正在改变我们发现罕见天体的方式。这些工具使我们能够系统性地搜索那些几年前可能只能偶然发现的系统。”

光谱确认:VLT/MUSE锁定70个透镜

AI搜索发现了76个引力透镜候选体,但确认它们是否为真正的引力透镜还需要测量前景透镜天体与背景源的距离。研究团队使用了欧洲南方天文台甚大望远镜上的多单元光谱探测器(MUSE)。MUSE采用积分场光谱技术,能够同时获取图像中每个点的光谱,生成包含空间和光谱信息的三维数据集。这种能力使研究人员能够在同一次观测中同时研究透镜天体、背景天体以及其他邻近天体,其宽波长覆盖范围还能检测到揭示距离和物理性质的微弱光谱特征。

利用2022年至2024年间收集的MUSE观测数据,团队确认了其中70个候选体为真正的引力透镜。这项成果以Emerald Lin(加州大学伯克利分校本科生)和Ivonne Toro Bertolla(NOIRLab研究助理)为首,发表在《天体物理杂志增刊系列》上。

科学意义与未来应用

这些新确认的引力透镜本身具有科学价值,但更大的意义在于它们为未来研究提供的平台。它们已被纳入DESI强透镜发现项目,成为迄今最大的确认透镜样本之一。这个大规模、特征明确的透镜样本为暗物质研究、星系结构和宇宙学提供了重要基础。

结合哈勃空间望远镜、詹姆斯·韦伯空间望远镜以及最近发射的南希·格雷斯·罗马空间望远镜的观测,再配合NSF-DOE维拉·鲁宾天文台的时空遗产巡天(LSST),这些透镜将帮助研究人员探测暗物质分布、研究遥远星系并检验宇宙演化模型。

这项工作也凸显了DESI Legacy Imaging Surveys的持久科学价值。最初作为创建三维宇宙地图的大规模成像项目,如今正成为不断增长的引力透镜目录的基础,将在未来多年支撑新发现。正如Cikota所说:“每一个确认的透镜都为整个天文学界增添了一份资源。我们正在共同为未来的发现构建一个强大的基础。”

原标题:Largest 2D map of the universe helps scientists discover new gravitational lenses。 来源:phys.org。

阅读原文