בינה מלאכותית חושפת טעות ארוכת שנים בחקר חורים שחורים

מחקר חדש, בהובלת אוניברסיטת באת' הבריטית, מצא שחורים שחורים סופר-מסיביים זקוקים הן לגלקסיות מתמזגות והן לגז קר כדי לגדול. תגלית זו, שהתקבלה באמצעות למידת מכונה, עשויה לשנות את הבנתנו לגבי התפתחות גלקסיות

אסטרונומים ידעו זה מכבר שחורים שחורים סופר-מסיביים, השוכנים במרכזי רוב הגלקסיות הגדולות, גדלים לאורך זמן. עד כה, ההנחה המקובלת הייתה שמיזוג גלקסיות הוא הגורם העיקרי לצמיחה זו. אולם, מחקר חדש, שפורסם בכתב העת "Monthly Notices of the Royal Astronomical Society", מראה שזו אינה התמונה המלאה.

הצוות, בהובלת ד"ר מתילדה אביירט-מקנזי, השתמש בלמידת מכונה כדי לסווג מיזוגי גלקסיות בצורה מדויקת יותר מאי פעם. ניתוח של כ-8,000 מערכות חורים שחורים פעילים הראה שמיזוגים קשורים באופן ישיר לצמיחה של חורים שחורים רק בסוג ספציפי של גלקסיות: גלקסיות יוצרות כוכבים המכילות כמויות משמעותיות של גז קר.

גז קר הוא ענן של אטומים וגז שאינו מחומם על ידי קרינה. הוא מהווה את חומר הגלם ליצירת כוכבים חדשים, וכן את המזון לחורים שחורים. המחקר מצא שכאשר שתי גלקסיות מתמזגות, הן עשויות ליצור זרם של גז קר אל עבר החור השחור במרכז הגלקסיה המאוחדת. זרם זה גורם לחור השחור לגדול, תוך שהוא פולט קרינה אדירה.

עם זאת, המחקר מצא גם שמיזוג גלקסיות אינו מספיק בפני עצמו כדי לגרום לחור שחור לגדול. חור שחור יגדל רק אם הגלקסיה הממוזגת מכילה כמויות משמעותיות של גז קר.

ממצאים אלו עשויים לשנות את הבנתנו לגבי התפתחות גלקסיות. ייתכן שגז קר ממלא תפקיד חשוב יותר מכפי שחשבנו בעבר בהתפתחות חורים שחורים ובהתפתחות גלקסיות בכלל.

במחקר זה נעשה שימוש ברשת נוירונים קונבולוציונית (CNN). CNNs הן רשתות נוירונים יעילות במיוחד לזיהוי תבניות בתמונות.

השימוש בלמידת מכונה במחקר זה פותח צוהר חדש לחקר חורים שחורים. "בעוד שבעבר היינו מוגבלים לניתוח ידני של מספר קטן יחסית של גלקסיות, כעת אנו יכולים לבחון אלפי גלקסיות בו-זמנית," מסבירה ד"ר אביירט-מקנזי. "יכולת זו מאפשרת לנו לקבל תמונה רחבה ומדויקת יותר של הקשר בין מיזוגי גלקסיות, צמיחה של חורים שחורים והתפתחות גלקסיות."

נתוני האימון כללו סימולציות של מיזוגי גלקסיות שנבנו באמצעות קוד הידרודינמי. סימולציות אלו כללו תמונות ונתונים אחרים המתארים את התהליך של מיזוג גלקסיות, כגון: התפלגות גז: צפיפות וטמפרטורה של גז בתוך הגלקסיות, התפלגות כוכבים: מספר, מסה וסוג של כוכבים בתוך הגלקסיות, מורפולוגיה: צורה ומבנה של הגלקסיות.

לאחר אימון הרשת, יושמה השיטה על תמונות אמיתיות של גלקסיות שצולמו על ידי טלסקופים. הרשת עיבדה כל תמונה ופלטה תוצאה המייצגת את הסבירות שמדובר במיזוג גלקסיות.

הצוות השתמש במדדי דיוק שונים כדי להעריך את ביצועי הרשת, כגון:

• דיוק: אחוז התמונות שסווגו נכונה כמיזוג גלקסיות.
• רגישות: אחוז מיזוגי הגלקסיות שזוהו על ידי הרשת.
• ספציפיות: אחוז התמונות שלא זוהו בטעות כמיזוג גלקסיות.

השימוש בלמידת מכונה במחקר זה הציג מספר אתגרים, כגון כמות נתונים: איסוף נתונים תצפיתיים רבים ומדויקים על מיזוגי גלקסיות הוא תהליך מורכב וזמן רב איכות נתונים: תמונות המתקבלות בתצפיות טלסקופיות עשויות להיות רועשות ומכילות עיוותים, מה שמקשה על זיהוי מיזוגי גלקסיות. בנוסף, כדי לשפר את  פרשנות תוצאות חשוב להבין את הגורמים המשפיעים על תוצאות הסיווג של הרשת ולפרש אותן בצורה נכונה.

השימוש בלמידת מכונה פותח צוהר חדש לחקר חורים שחורים וגלקסיות:

• זיהוי סוגים חדשים של מיזוגי גלקסיות: למידת מכונה יכולה לאתר מיזוגי גלקסיות נדירים שקשה לזהותם באמצעות סיווג ידני.
• חקר הקשר בין מיזוגי גלקסיות ופעילות גרעינית: למידת מכונה מאפשרת לחוקרים לבחון את הקשר בין מיזוגי גלקסיות ופעילות גרעינית, כגון יצירת כוכבים חדשים והתפרצויות של חורים שחורים.
• חקר התפתחות גלקסיות לאורך זמן: למידת מכונה יכולה לסייע לחוקרים להבין טוב יותר את התהליך של התפתחות גלקסיות לאורך זמן, תוך התמקדות בהשפעת מיזוגי גלקסיות וצמיחת חורים שחורים.

מחקר זה הוא פרי שיתוף פעולה בין חוקרים מאוניברסיטת באת', אוניברסיטת ג'ונס הופקינס, מכון מקס פלאנק לאסטרופיזיקה ומרכז האסטרופיזיקה הרווארד-סמית'סוניאן.

עוד בנושא באתר הידען:

• פריצת דרך בהכנת תרופות
• חוקרים ישראלים מצליחים לחזות סופות שמש ימים מראש בזכות בינה מלאכותית
• חום וקור –שבתות חורפיות בגן המדע ברחובות
• תבונה מלאכותית ומכאניקת הקוונטים יסייעו לגלות תרופות
• זיהוי תרכובות אורגניות בעזרת אור נראה