dumaiДо половины ложных линз может не мешать измерять Вселенную
Компьютерная симуляция · ранние данные
Кратко
Учёные проверили метод на смоделированных данных будущего обзора LSST — проекта, который должен найти около 100 000 таких линз. Такие линзы — это галактики, чья гравитация искривляет свет более далёких объектов. Расчёты показали: даже при 50% ошибочных кандидатов можно без смещения оценить свойства Вселенной, а точность одного из ключевых показателей будет сопоставима с 2500–3500 подтверждёнными системами.
Зачем это знать?
Пока метод проверен только на компьютерной модели: если он выдержит проверку на настоящих наблюдениях, астрономы смогут использовать огромную выборку, не подтверждая спектроскопически каждого кандидата.
Разбор
Авторы обучили нейросеть — программу, которая находит закономерности в изображениях, — на реалистичных компьютерных примерах того, как LSST будет видеть гравитационные линзы. С её помощью они оценили радиус Эйнштейна: условный размер области, внутри которой искривление света особенно заметно. Для каждой оценки сеть также показывает, насколько может ошибаться, и эти предупреждения хорошо совпали с настоящими ошибками в симуляции.
Затем исследователи построили статистический метод COSMIC-BEAMS. Он не пытается заранее идеально очистить каталог от объектов, которые лишь выглядят как линзы, а учитывает вероятность такой ошибки прямо при расчёте свойств Вселенной. Это важно, потому что современные классификаторы ожидают примерно столько же ложных кандидатов, сколько настоящих линз, а иногда и больше.
На смоделированной выборке метод позволил оценить сразу несколько параметров космологической модели: долю обычной материи, долю тёмной энергии и свойство тёмной энергии, обозначаемое w. При этом оценки оставались несмещёнными даже в сильно загрязнённом каталоге. Иными словами, метод не обязан знать судьбу каждого кандидата по отдельности — ему достаточно правильно описать общую долю и характер примеси.
Ключевые цифры
Можно ли доверять
Статья прошла рецензирование в MNRAS, но главный результат пока основан только на реалистичной компьютерной симуляции, а не на настоящих снимках LSST. Поэтому надёжность метода ещё предстоит проверить на реальных данных, где ошибки изображений и свойства найденных объектов могут отличаться от модели.
- Результат получен на реалистичных, но всё же смоделированных данных LSST, а не на наблюдениях.
- Это доказательство работоспособности метода; его эффективность на реальной выборке и при реальных ошибках классификации ещё не показана.
- Фотометрические кандидаты не имеют спектроскопического подтверждения, поэтому итоговая точность зависит от корректного учёта загрязнения ложными срабатываниями.
Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено