Вселенная наполнена сверхмассивными чёрными дырами, и наша галактика не исключение. Однако до сих пор существует много вопросов, связанных с тем, как они становятся такими огромными и какие процессы лежат в основе их эволюции.

Одной из трудностей, с которой сталкиваются астрономы, является идентификация чёрных дыр в данных наблюдения. Обычно эти объекты обнаруживаются в сливающихся галактиках, поэтому необходимо точно определить ранние галактики для дальнейшего исследования. Ранее это делалось вручную, однако с прогрессом в области машинного обучения появились новые возможности. Новое исследование выявило, что использование методов машинного обучения может помочь автоматически идентифицировать чёрные дыры.

Две дисковые галактики на поздних стадиях слияния. Источник: NASA

Благодаря возможностям нынешних и будущих обзоров неба, задача астрономии заключается не столько в сборе правильных данных, сколько в фильтрации нужных данных из огромного массива наблюдений. Требуется большая визуальный опыт, чтобы отличить сливающуюся галактику от неправильной галактики или двух разных галактик, которые оказались на одном участке неба. Люди способны делать это хорошо, но потребности намного превышают количество квалифицированных людей. Один из способов преодолеть эту проблему – предложить волонтёрам заполнить этот пробел. В целом их идентификация не будет такой точной, как у профессионалов, но всё же позволит астрономам получать полезную информацию.

В новом исследовании используется другой подход. Команда астрономов провела исследование, в ходе которого использовала методы машинного обучения для обучения алгоритмов распознаванию и идентификации чёрных дыр в данных о слиянии галактик. Сложность этого метода в том, что самый опытный эксперт иногда допускает ошибки, и алгоритмы, обученные на разметке этого эксперта, будут иметь такие же «предубеждения».

Поэтому команда работала в сотрудничестве с проектом «Приложения больших данных для исследований эволюции чёрных дыр» (BiD4BEST), который обеспечивает сеть обучения данным об эволюции чёрных дыр. Совместно с опытными экспертами они выявляли данные слияний чёрных дыр как в смоделированных данных, так и в данных «Слоановского цифрового обзора неба» (SDSS). Сравнивая эти два показателя, команда смогла устранить погрешности в данных алгоритма машинного обучения. Это оказалось эффективным подходом. Результаты показали, что точность алгоритма составляет более 80%, что сравнимо с работой самых опытных экспертов.

Истинные положительные и ложные положительные результаты при идентификации чёрных дыр методом машинного обучения.  Источник: Avirett-Mackenzie

Далее команда использовала программное обеспечение, основанное на этих алгоритмах, чтобы идентифицировать более 8000 активных чёрных дыр. В результате была обнаружена интересная зависимость между ростом чёрных дыр и характеристиками их родительских галактик. Оказалось, что слияния галактик не обуславливают рост сверхмассивных чёрных дыр, а ключевую роль играет количество близлежащего холодного газа в галактике. Специалисты определили, что только слияния галактик, содержащих газ и пыль, способствуют быстрому росту чёрных дыр. Таким образом, условия, которые приводят к образованию звёзд, также способствуют формированию и росту чёрных дыр.

В контексте быстрого роста объёма собираемых астрономических данных, программное обеспечение становится неотъемлемым инструментом, способным дополнить работу опытных наблюдателей. Благодаря этому исследованию, открываются новые горизонты в изучении чёрных дыр и их роли в эволюции Вселенной.