天文學家用機器學習方法發現罕見的四重影像類星體

在機器學習技術幫助下，一組天文學家發現十二個類星體，這些類星體由重力透鏡扭曲，並分裂成四個相似的影像。類星體是由超大質量黑洞驅動的遙遠星系發光核心。

在過去的四十年中，天文學家發現了大約五十個四重影像類星體（quadruply imaged quasar），它們發生在碰巧位於類星體前方的巨大星系的引重力將其單個圖像分解為四個。最新研究僅進行了一年半的時間，將這些已知的四重影像的類星體數量增加了25％，證明機器學習功能可以協助天文學家尋找這些宇宙奇異天體。

美國太空總署噴射推進實驗室的研究科學家丹尼·斯特恩（Daniel Stern）表示：「四重影像類星體是解決各種問題的金礦。它們可以幫助確定宇宙的膨脹率，幫助解決其它神秘事物（例如：暗物質和類星體的中心引擎），雖然數量稀少，但是四重影像類星體是瑞士軍刀，用途非常廣泛。」

近年來，宇宙膨脹率的精確值（也稱為哈勃常數）出現差異。可以使用兩種主要手段來確定該數字：一種依靠對我們當地宇宙中物體的距離和速度的測量，另一種依靠從我們宇宙誕生之初遺留下來的遙遠輻射的模型推斷出的速率。宇宙微波背景。問題是兩種不同方法得出數字不吻合。

斯特恩說：「測量存在潛在系統誤差，但這種可能性越來越小。更有可能的是，這些數值之間的差異可能源於我們的宇宙模型某些情況出錯，或者有新的物理學發現。」

這些新的類星體將有助未來計算哈勃常數，並可能顯示為什麼兩個主要測量數值差異的原因。類星體位於計算的局部目標和遠距離目標之間，因此它們為天文學家提供一種探測宇宙中間範圍的方法。如果用類星體計算的哈勃常數得到確定，可以證明這兩個數值之中的那一個正確，或者更有趣的是，該常數可能位於局部確定值與遙遠值之間，表是有一些以前未知物理學現象可能出現的訊號。

當前景物體（例如星系）的重力彎曲並放大其背後的物體的光線時，就會在宇宙中產生類星體圖像和其它物體相乘。這種現像被稱為重力透鏡，以前已經看到很多次了。有時類星體由重力透鏡分成兩個相似的影像。較不常見的是，它們也可以分為四個影像。

加州理工學院天文學和數據科學教授佐治·喬戈夫斯基（George Djorgovski）說：「在宇宙學研究中，四重影像比雙重影像的類星體更好，例如：可以測量物體的距離，它們可以更容易建立模型。它們是進行這些宇宙學測量相對乾淨的實驗室。」

在這項新研究中，研究人員使用分辨率相對較高的數據來尋找可能出現類星體，然後使用歐洲太空總署蓋亞（Gaia）衛星的精確分辨率，來確定那些類星體與可能的四重影像類星體相關連。然後，研究人員運用機器學習工具，找出那些候選者最有可能是倍增影像源，而不是天空中視覺上彼此靠近的其它恆星，再用大口徑望遠鏡、光譜儀以及新技術望遠鏡進行跟進觀測，來證實那些天體確實是數十億光年之外的四倍成像類星體。

機器學習是我們研究的關鍵，但並不是取代人類的決定。我們在持續的學習循環中不斷訓練和更新辨認模型，因此人類和人類專業知識是循環改進重要組成部分。當我們針對此類機器學習工具時，它代表增強分辨數據效率，不是利用人工智能操作。

【圖、文：節譯自美國太空總署2021年4月7日新聞公佈】研究全文在2020年12月18日刊登在 arXiv 論文預印本網站