機械学習モデルが活動銀河核の遅れを検出
最もエネルギッシュな銀河の中心を探るために、天文学者は反響3Dマッピングを使用します。この技術は、超大質量ブラックホールを囲む降着円盤が放出する光の時間遅れまたはlagsを分析します。将来的なヴェラ・ルビン天文台はこのタスクに大量のデータを生成しますが、重要な課題も生じ、新しい分析ツールを必要とします🕰️。
lagsが円盤の隠れた構造を明らかに
短いlagsは、光が円盤を横断する時間から生じ、その放射方向の広がりをマッピングすることを可能にします。一方、より微妙で捉えにくい長い負のlagsは、物質が内側に流れる時間に関連し、円盤の垂直構造についてのヒントを提供します。伝統的な方法でこれらを検出するのは非常に難しく、特にデータに欠損があるか信号が弱い場合です。
新たな観測時代の課題：- ルビン天文台は数百万のAGNを観測しますが、データには季節的な欠損があります。
- 長い負のlagの信号は本質的に弱く、簡単に隠蔽されます。
- 古典的な分析手法は、期待される膨大なデータ量を処理するのに適していません。
超大質量ブラックホールでさえ、応答に遅れがあるようです。ただし、その場合は光日で測定されます。
トランスフォーマーが検出を革新
これらの障壁を克服するため、トランスフォーマーアーキテクチャに基づく機械学習モデルが開発され訓練されました。このモデルは、ルビンが生成するものを模倣したシミュレートされた光曲線を調べ、両方のタイプのlagsを自動的かつ堅牢に特定します。
画期的な結果：- モデルは長い負のlagの存在を96%の完全性で特定し、汚染はわずか0.04%です。
- lagの値を98%の精度で予測します。
- 確立された手法を大幅に上回ります：補間交差相関関数は54%の精度、javelinはわずか