活动星系核(AGNs)在星系演化中起着重要作用。来自格罗宁根大学(University of Groningen)和荷兰空间研究所(Netherlands Institute for Space Research)的天文学家现在使用了一个创纪录大小的星系样本，证实星系合并对激发agn有积极作用。通过使用机器学习算法，杏耀挂机他们能够汇编出比以前研究多十倍的星系合并图像。研究结果发表在5月27日的《天文学与天体物理学》杂志上。

 

天文学中一个更大的问题是星系是如何从气体云和尘埃云演变成我们在银河系附近看到的美丽螺旋结构的。所谓的活动星系核(AGNs)形成了有趣的研究对象来回答这个问题的一部分，因为AGNs和星系之间似乎有共同进化。AGNs中隐藏着超大质量的黑洞，这些黑洞从周围的气体中吸积后释放出巨大的能量。有些具有足够大的磁场或引力场，可以从两极喷出喷流， 注册杏耀平台的理由 ，延伸数千光年。

 

星星的种子

 

共同进化是一条双行道。一方面，星系的演化阶段影响AGN的活动。AGN似乎在星系进化的特定阶段繁荣，因为我们看到AGN活动在特定距离的星系中达到顶峰，因此在过去的特定时间。另一方面，AGN活动影响星系的恒星形成。两种情况都有可能发生。AGN的喷射流在星系中传播时将气体推开，迫使气体与其他气体相撞，从而形成团块——新恒星的种子。但agn也会释放能量，使气体升温，从而阻止气体冷却并凝结成团块。

 

来自格罗宁根大学和斯伦荷兰空间研究所的天文学家们现在已经编制了一个拥有创纪录数量星系的样本，以研究据称对agn的激发有积极影响的因素之一:星系间的合并。他们发现了一种相关性，两种方法都进行了计算。合并中的agn大约是非合并中的1.4倍。反过来，研究人员发现，在有AGN的星系样本中合并的数量是没有AGN的星系样本的1.3倍。

 

大样本

 

该研究团队使用了一种机器学习算法来识别合并。它提供给他们的样本比之前的研究大了一个数量级，这使得相关性更加可靠。该报告的第一作者高芳游说，我们已经建立了一个网络，训练系统在大量图片中识别合并。“这使我们能够使用两个大样本的望远镜调查成千上万的星系。基于它们的光谱，杏耀下载agn比较容易识别。但是合并必须从图像中分类，这通常是人的工作。有了机器学习，我们现在可以让电脑为我们做这些。”