ШІ знайшов сім унікальних квазарних лінз серед 800 тисяч спектрів

12 серпня 2026 р. 13:05

12 серпня 2026 р. 13:05

Квазари — це найяскравіші довготривалі джерела світла у Всесвіті: активні ядра далеких галактик, де надмасивна чорна діра поглинає речовину й випромінює колосальну енергію. Деякі з них сяють у десятки тисяч разів яскравіше за весь Чумацький Шлях , що робить їх помітними, але водночас дуже складними для вивчення — засліплювальне сяйво ядра «заливає» світло решти галактики.

Про новий спосіб обійти цю проблему йдеться в матеріалі видання Universe Today . Команда астрономів за допомогою нейромережі виявила сім рідкісних систем, у яких галактика з квазаром одночасно діє як гравітаційна лінза для ще дальшої галактики позаду.

Гравітаційне лінзування як інструмент для «осліплених» галактик

Маса викривляє простір-час і, відповідно, траєкторію світла. Якщо між нами та віддаленим об’єктом опиняється масивна галактика, її гравітація «гне» промені, спотворюючи зображення тла. Ступінь цього спотворення дає змогу оцінити, скільки маси зосереджено в галактиці-лінзі.

Цей ефект зручний тим, що працює незалежно від яскравості ближньої галактики. Тому, навіть якщо в ній є осліплювально яскравий квазар, гравітаційне лінзування тла все одно «розповість» про масу галактики, яка його містить.

Але знайти такі системи дуже непросто. Потрібне майже ідеальне вирівнювання: галактика з квазаром попереду й слабка галактика на задньому плані на одній лінії з нами. Такі співпадіння рідкісні, тому й відомих прикладів мало.

800 тисяч спектрів і штучний інтелект

Аспірант Еверет МакАртур (Everett McArthur) з Університету штату Огайо звернувся до каталогу приладу Dark Energy Spectroscopic Instrument, де зібрано близько 800 тисяч спектрів квазарів . Перевірити кожен з них «вручну» практично нереально — це робота на все життя.

Команда скористалася нейромережею, але зіткнулася з проблемою: справжніх прикладів квазарних лінз занадто мало, щоб на них навчити алгоритм. Розв’язанням стала «штучна» вибірка.

Дослідники поєднували реальні спектри квазарів із реальними спектрами далеких галактик, створюючи синтетичні приклади лінз — фальшиві, але складені з реальних «інгредієнтів» . Так нейромережа навчилася розпізнавати характерний «почерк» накладених одне на одного спектрів.

Після навчання алгоритм запустили на справжньому каталозі. Із 800 тисяч записів мережа відібрала близько 200 потенційних кандидатів.

Сім унікальних систем і їхнє значення

Далі до справи долучилися астрономи, які переглянули відібрані системи вже очима людини. У результаті вони зупинилися на семи найпереконливіших кандидатах у квазарні гравітаційні лінзи.

На перший погляд цифра невелика, але саме стільки об’єктів, за словами авторів, приблизно подвоює кількість уже відомих подібних систем. Попередні оцінки вказують, що ці квазари й їхні галактики-носії розташовані щонайменше в п’яти–шести мільярдах світлових років від нас.

Остаточне підтвердження потребує спостережень із вищою роздільною здатністю — наприклад, за допомогою космічного телескопа Hubble або подібних інструментів. Якщо всі сім об’єктів справді виявляться гравітаційними лінзами, кожен з них стане цінною «лабораторією» для вивчення того, як маса галактики пов’язана з активністю її надмасивної чорної діри.

Такі системи дають рідкісну можливість одночасно виміряти масу галактики (через лінзування) й дослідити чорну діру в її центрі (через випромінювання квазара). Це критично важливо, щоб перевірити, як синхронно зростали галактики та їхні центральні чорні діри протягом космічної історії.

Коли даних забагато, важливо вміти шукати в них дивини

МакАртур вважає, що головна сила підходу — в його універсальності. Нейромережу, навченої знаходити один тип «аномалій» у спектрах, можна перенавчити на пошук інших рідкісних явищ. У міру того як астрономічні огляди зростають до мільйонів і мільярдів об’єктів, стає неможливо, щоб людина переглянула все.

У такій ситуації, як зазначає команда, ключовим питанням стає не лише що ми вже спостерігали, а що ще можемо відкрити у масиві даних, які давно лежать у каталогах. Саме тут алгоритми машинного навчання можуть перетворитися на інструменти, що знаходять «сім голок у 800 тисячах копиць сіна» — рідкісні, але надзвичайно цінні для розуміння Всесвіту об’єкти.

Наука