La investigación del Departamento de Física y Astronomía de Penn ha producido el catálogo más grande de clasificación morfológica de galaxias hasta la fecha. Dirigido por los ex postdoctorados Jesús Vega-Ferrero y Helena Domínguez Sánchez, quien trabajó con la profesora Mariangela Bernardi, este catálogo de 27 millones de morfologías de galaxias proporciona información clave sobre la evolución del universo. El estudio fue publicado en Avisos mensuales de la Royal Astronomical Society .

Los investigadores utilizaron datos de la Dark Energy Survey (DES), un programa de investigación internacional cuyo objetivo es obtener imágenes de una octava parte del cielo para comprender mejor el papel de la energía oscura en la expansión acelerada del universo.

Un subproducto de este estudio es que los datos del DES contienen muchas más imágenes de galaxias distantes que otros estudios hasta la fecha. "Las imágenes DES nos muestran cómo se veían las galaxias hace más de 6 mil millones de años, "dice Bernardi.

Y como DES tiene millones de imágenes de alta calidad de objetos astronómicos, es el conjunto de datos perfecto para estudiar la morfología de las galaxias. "La morfología de las galaxias es uno de los aspectos clave de la evolución de las galaxias. La forma y estructura de las galaxias tiene mucha información sobre la forma en que se formaron, y conocer sus morfologías nos da pistas sobre las posibles vías de formación de las galaxias, “Dice Domínguez Sánchez.

Previamente, los investigadores habían publicado un catálogo morfológico de más de 600, 000 galaxias del Sloan Digital Sky Survey (SDSS). Para hacer esto, desarrollaron una red neuronal convolucional, un tipo de algoritmo de aprendizaje automático, que fue capaz de categorizar automáticamente si una galaxia pertenecía a uno de los dos grupos principales:galaxias espirales, que tienen un disco giratorio donde nacen nuevas estrellas, y galaxias elípticas, que son más grandes, y está formado por estrellas más antiguas que se mueven de forma más aleatoria que sus contrapartes espirales.

Pero el catálogo desarrollado con el conjunto de datos SDSS estaba compuesto principalmente de galaxias cercanas, dice Vega-Ferrero. En su último estudio, los investigadores querían refinar su modelo de red neuronal para poder clasificar los más débiles, galaxias más distantes. "Queríamos superar los límites de la clasificación morfológica y tratar de ir más allá, a objetos más tenues u objetos que están más lejos, "Dice Vega-Ferrero.

Para hacer esto, Los investigadores primero tuvieron que entrenar su modelo de red neuronal para poder clasificar las imágenes más pixeladas del conjunto de datos DES. Primero crearon un modelo de entrenamiento con clasificaciones morfológicas previamente conocidas, compuesto por un conjunto de 20, 000 galaxias que se superponen entre DES y SDSS. Luego, crearon versiones simuladas de nuevas galaxias, imitando cómo se verían las imágenes si estuvieran más lejos utilizando un código desarrollado por el científico Mike Jarvis.

Una vez que el modelo fue entrenado y validado tanto en galaxias simuladas como reales, se aplicó al conjunto de datos DES, y el catálogo resultante de 27 millones de galaxias incluye información sobre la probabilidad de que una galaxia individual sea elíptica o espiral. Los investigadores también encontraron que su red neuronal tenía un 97% de precisión para clasificar la morfología de las galaxias. incluso para las galaxias que eran demasiado débiles para clasificarlas a simple vista.

"Hemos superado los límites en tres órdenes de magnitud, a objetos que son 1, 000 veces más tenues que las originales, "Dice Vega-Ferrero." Es por eso que pudimos incluir tantas más galaxias en el catálogo ".

"Catálogos como este son importantes para estudiar la formación de galaxias, Bernardi dice sobre la importancia de esta última publicación. "Este catálogo también será útil para ver si la morfología y las poblaciones estelares cuentan historias similares sobre cómo se formaron las galaxias".

Para el último punto, Domínguez Sánchez está combinando actualmente sus estimaciones morfológicas con medidas de la composición química, la edad, tasa de formación de estrellas, masa, y distancia de las mismas galaxias. La incorporación de esta información permitirá a los investigadores estudiar mejor la relación entre la morfología de las galaxias y la formación de estrellas. trabajo que será crucial para una comprensión más profunda de la evolución de las galaxias.

Bernardi dice que hay una serie de preguntas abiertas sobre la evolución de las galaxias que tanto este nuevo catálogo, y los métodos desarrollados para crearlo, puede ayudar a abordar. La próxima encuesta LSST / Rubin, por ejemplo, utilizará métodos de fotometría similares a DES, pero tendrá la capacidad de obtener imágenes de objetos aún más distantes, brindando la oportunidad de obtener una comprensión aún más profunda de la evolución del universo.