Crescenzo Tortora
Un team internazionale di ricercatori, che conta un nutrito gruppo di italiani tra cui Crescenzo Tortora dell’Istituto nazionale di astrofisica (Inaf) e precedentemente post-doc all’Università di Groningen, nei Paesi Bassi, ha sviluppato un algoritmo che permette di individuare, grazie all’intelligenza artificiale, quelle galassie – definite “lenti gravitazionali” – che permettono di osservare galassie ancor più lontane, altrimenti invisibili. Lo studio più recente è illustrato in un articolo in via di pubblicazione sulla rivista Monthly Notices of the Royal Astronomical Society.
La teoria della relatività generale di Einstein prevede che la massa di un corpo, sia esso una stella, una galassia o addirittura un ammasso di galassie, modifichi lo spazio-tempo. Per comprendere questa predizione basta pensare all’effetto provocato da una sfera lasciata cadere su un lenzuolo. La sfera creerà un avvallamento. Se poi lasciamo cadere sul lenzuolo anche una biglia, questa nel suo moto sarà influenzata dall’avvallamento creato dalla sfera ed esso non sarà più rettilineo. Lo stesso succede quando due galassie si trovano approssimativamente lungo la stessa direzione: la luce emessa dalla galassia che si trova sullo sfondo, detta “sorgente”, viene deflessa dal campo gravitazionale della galassia più vicina, detta appunto “lente”, creando immagini multiple e amplificate della sorgente e i cosiddetti archi gravitazionali. L’effetto è simile a quello che avviene quando la luce di una candela viene osservata attraverso la base di un calice da vino. La luce viene deformata creando delle immagini arcuate e degli anelli. Se lente e sorgente sono perfettamente allineate, si viene a creare il cosiddetto “anello di Einstein”.
Le applicazioni di questo fenomeno astrofisico sono molteplici. Grazie all’effetto di lensing gravitazionale è infatti possibile osservare galassie molto lontane, altrimenti invisibili, ed è possibile determinare la massa della galassia lente, fino ad arrivare alla misurazione di un parametro cosmologico molto importante, la costante di Hubble, che fissa l’età dell’universo. Ma le campagne osservative oggi producono immense moli di dati, nei quali è difficile andare a scovare le lenti gravitazionali. Per questo motivo un gruppo di ricercatori ha sviluppato un algoritmo di intelligenza artificiale in grado di scovare le galassie lenti fra i milioni di galassie osservate all’interno della survey Kids (Kilo Degree survey). La survey Kids è stata avviata dallo European Southern Observatory (Eso) con l’obiettivo di osservare una vasta area di cielo con il telescopio Vst (Vlt Survey Telescope), uno strumento concepito all’Osservatorio astronomico dell’Inaf di Capodimonte e realizzato in collaborazione con l’Osservatorio astronomico dell’Inaf di Padova. Il team di ricercatori ha quindi collezionato un campione di nuove lenti, che ha chiamato Links (Lenses in the Kilo-Degree Survey).
Alcuni esempi di archi gravitazionali simulati, utilizzati per addestrare la rete neurale a riconoscere lenti gravitazionali reali. Crediti: Petrillo, Tortora et al.
«Abbiamo utilizzato i dati della survey Kids su un’area di circa 900 gradi quadrati di cielo. Kids offre un mare sterminato dove pescare oggetti interessanti, rari e peculiari, come le lenti gravitazionali», dice Tortora, in forza all’Osservatorio astrofisico dell’Inaf di Arcetri. «Kids è un primo passo verso il futuro prossimo dell’astronomia delle grandi survey astronomiche, aspettando quelle dallo spazio e da Terra che inizieranno nei prossimi anni, come quelle che verranno effettuate da satelliti come Euclid e telescopi da Terra come Lsst ed Elt. Con questa tecnica scopriremo molte nuove lenti gravitazionali, con le quali potremo studiare con qualità mai raggiunta prima il contenuto stellare e di materia oscura nelle galassie con massa più grande. Ciò permetterà di studiare con sempre più precisione i principali processi fisici che determinano l’evoluzione delle galassie».
I ricercatori si sono avvalsi di una “rete neurale convoluzionale” (in inglese, convolutional neural network): l’algoritmo sviluppato è ispirato alla struttura neurale negli animali, ed è già utilizzato con successo dalle maggiori aziende tecnologiche. Grazie a esso, gli scienziati sono riusciti a identificare centinaia di nuove galassie candidate ad essere lenti gravitazionali. L’obiettivo del gruppo è quello di ridurre nel futuro l’intervento umano al minimo. «Per la prima volta questo tipo di rete neurale viene utilizzata per scovare le lenti gravitazionali. Abbiamo creato dei campioni di lenti gravitazionali simulate, “insegnando” alla rete neurale cosa fosse una lente gravitazionale e cosa non lo fosse», spiega il primo autore dello studio, Carlo Enrico Petrillo, dottorando all’Università di Groningen. «Dopo questo processo di insegnamento, si dice che la rete è “addestrata”, ed è stata quindi applicata ad immagini reali di galassie. Abbiamo aperto una nuova strada nel campo e altri gruppi, utilizzando tecniche simili, hanno prodotto lavori nuovi ed indipendenti a riguardo».
«Queste tecniche di riconoscimento automatico delle immagini rappresentano un potente mezzo per il futuro dell’astrofisica», conclude Leon Koopmans, professore all’Università di Groningen e coautore dell’articolo. «Io e i miei collaboratori studiamo lenti gravitazionali da svariati anni. Le lenti gravitazionali vengono scoperte principalmente attraverso la visione di migliaia di galassie ad occhio nudo. Con l’avvento delle grandi survey astronomiche, però, l’occhio non basterà più, perché servirebbero grandi gruppi di volontari per osservare miliardi di oggetti astrofisici. Non potremo quindi prescindere da questo tipo di analisi automatiche».
Per saperne di più:
- Leggi su arxiv.org il preprint dell’articolo “LinKS: Discovering galaxy-scale strong lenses in the Kilo-Degree Survey using Convolutional Neural Networks” di Carlo Enrico Petrillo, Crescenzo Tortora et al., accettato per la pubblicazione sulla rivista Monthly Notices of the Royal Astronomical Society.