就像揭示宇宙深处奥秘的水晶球一样，星系和其他巨大的空间物体可以作为透镜，以同样的方式折射出更遥远的物体和现象。
引力透镜效应最早是由阿尔伯特·爱因斯坦在100多年前提出的，用来描述光在经过像星系和星系团这样的大质量物体时是如何弯曲的。
这些透镜效应通常被描述为弱或强，透镜的强度与物体的位置、质量和距离被透镜的光源有关。强透镜的质量可以是太阳的1000亿倍，可以使来自同一路径上更遥远物体的光被放大并分裂成多个图像，或者以引人注目的弧线或光环的形式出现。
强引力透镜的主要限制是它们的稀罕性，自1979年首次观测以来，下载杏耀只确认了几百个，但这种情况正在改变……和快速。
一项由国际科学家组成的新研究发现了335个新的强透镜候选星体，这些星体是根据美国能源部在亚利桑那州的一项名为“暗能量分光镜”(DESI)的望远镜项目收集的数据进行的。5月7日发表在《天体物理学杂志》(Astrophysical Journal)上的这项研究得益于在一项国际科学竞赛中获胜的机器学习算法。
“寻找这些天体就像寻找星系大小的望远镜，”劳伦斯伯克利国家实验室(Berkeley Lab)物理部门的资深科学家大卫施莱格尔(David Schlegel)说，他参与了这项研究。“它们是暗物质和暗能量的强大探测器。”
例如，这些新发现的引力透镜候选者可以为精确测量古代宇宙中星系的距离提供特殊标记，如果通过这些透镜可以精确地跟踪和测量超新星。
强透镜还提供了一扇强大的窗口，让我们了解不可见的暗物质宇宙，暗物质约占宇宙物质的85%，因为大多数产生透镜效应的物质被认为是暗物质。暗物质和由暗能量驱动的宇宙加速膨胀，是物理学家正在努力解决的最大谜团之一。
在最新的研究中,研究人员招募了科里,伯克利国家实验室的一台超级计算机的国家能源研究科学计算中心(·),自动比较暗能量相机成像数据遗留调查(贴花)——三种调查准备德西- 423种已知训练样本的镜头和9451 non-lenses。
研究人员候选人强有力的镜头分成三类根据的可能性,事实上,镜头:一年级60候选人最有可能镜头,年级B的105名候选人不太明显的功能,和C级176候选人眼镜微弱和小透镜特性比其他两类。
该研究的第一作者黄晓生指出，
杏耀代理 ，该团队已经成功获得了哈勃太空望远镜的观测时间，以确认研究中发现的一些最有希望的透镜候选者，哈勃望远镜的观测时间从2019年底开始。
“哈勃太空望远镜可以在不受地球大气模糊影响的情况下看到细节，”黄说。
候选镜片在神经网络的帮助下被识别，这是一种人工智能的形式，通过训练计算机程序逐渐提高其图像匹配能力，从而提高识别镜片的成功率。计算机神经网络的灵感来自于人脑中神经元的生物网络。
“训练神经网络需要几个小时，”黄说。“关于‘镜头是什么?’以及‘什么不是镜头?’”
黄指出，为了从成千上万的图像中挑选出最好的图像来训练网络，对透镜图像进行了一些辛苦的人工分析。他回忆说，在一个周六，他一整天都和学生研究人员坐在一起，仔细研究成千上万张图片，以开发透镜和非透镜的样本列表。
黄说:“我们不是随机挑选的。”“我们必须用手工选择的看起来像镜片但不是镜片的例子来增加这一组，”例如，“我们选择了那些可能会造成潜在混淆的镜片。”
他补充说，学生的参与是这项研究的关键。他说:“学生们在这个项目上很努力，解决了很多难题，同时还上了很多课。”参与这项研究的学生之一克里斯托弗·斯托弗(Christopher Storfer)后来被选中参加了伯克利实验室的能源部科学本科生实验室实习(SULI)项目。
研究人员已经改进了在最新研究中使用的算法，以加速识别可能的镜头。虽然估计每10000个星系中就有一个充当透镜，但神经网络可以消除大多数非透镜。他说:“现在我们只有几十张，而不是一万个图像。”
神经网络最初是为寻找强引力透镜挑战赛而开发的，这是一项从2016年11月到2017年2月的编程竞赛，旨在推动寻找强引力透镜的自动化工具的开发。
Schlegel说，随着观测数据的不断增长，以及像DESI和计划于2023年启动的大型天气巡天望远镜(LSST)这样的新望远镜项目，使用复杂的人工智能工具挖掘这些数据的竞争非常激烈。
“这种竞争是好的，”他说。例如，澳大利亚的一个研究小组也发现了许多新的透镜候选者，使用了不同的方法。“他们发现的有40%是我们没有发现的，”同样，施莱格尔参与的研究发现了许多其他团队没有发现的lensing候选人。
黄说，该团队已经扩大了在其他天空成像数据来源的搜索范围，杏耀移动客户端同时也在考虑是否加入更广泛的计算资源以加快搜索速度。
施莱格尔说，“我们的目标是达到1000个”新的透镜候选人。
NERSC是美国能源部科学用户设施办公室。
研究参与者包括来自旧金山大学伯克利实验室、国家光学天文台、锡耶纳学院、怀俄明大学、亚利桑那大学、多伦多大学、加拿大圆周理论物理研究所和法国巴黎萨克莱大学的研究人员。
