Công nghệ nhận diện khuôn mặt, các ứng dụng nhận dạng giọng nói và hình ảnh cho thấy hứa hẹn để các nhà thiên văn phân tích hình ảnh của các thiên hà và hiểu cách thức chúng hình thành và phát triển.

Trong nghiên cứu mới, các nhà nghiên cứu đã sử dụng máy tính mô phỏng sự hình thành thiên hà vũ trụ để tạo một thuật toán học máy chuyên sâu, sau đó hệ thống phân tích hình ảnh của các thiên hà từ dữ liệu Kính viễn vọng Không gian Hubble.

Các hình ảnh giả định được sử dụng giúp nhận ra ba giai đoạn quan trọng của sự tiến hóa thiên hà. Sau đó, các nhà nghiên cứu cho các hình ảnh Hubble thực tế vào hệ thống để tiến hành phân loại.

Kết quả cho thấy sự nhất quán đáng kể trong việc phân loại, xác định các thiên hà mô phỏng và thực.

Đồng tác giả Joel Primack, giáo sư dự vật lý và là thành viên của Viện Vật lý Hạt Santa Cruz (SCIPP) tại UC Santa Cruz, cho biết: “Chúng tôi biết các mô phỏng còn có những hạn chế, vì vậy chúng tôi không muốn đưa ra tuyên bố to tát. Nhưng đó là một phát hiện rất may mắn và có ý nghĩa quan trọng".



Thiên hà là đối tượng thiên văn khá phức tạp, thay đổi phát triển qua hàng tỷ năm và hình ảnh của các thiên hà có thể chỉ cung cấp ảnh chụp nhanh kịp thời. Các nhà thiên văn học có thể nhìn sâu hơn vào vũ trụ và từ đó "quay ngược thời gian" để xem các thiên hà trước đó (vì thời gian cần ánh sáng để di chuyển khoảng cách trong vũ trụ), nhưng sau sự tiến hóa của một thiên hà riêng lẻ theo thời gian chỉ có thể có thực hiện trong các mô phỏng. So sánh các thiên hà mô phỏng với các thiên hà quan sát được có thể tiết lộ các chi tiết quan trọng của các thiên hà thực tế và lịch sử của chúng.

Các nhà nghiên cứu đã sử dụng mô phỏng thiên hà tiên tiến (mô phỏng VELA) được phát triển bởi Primack và một nhóm cộng tác viên quốc tế, bao gồm Daniel Ceverino (Đại học Heidelberg), người điều hành công nghệ mô phỏng, và Avishai Dekel (Đại học Hebrew), dẫn phân tích và giải thích chúng và phát triển các khái niệm vật lý mới dựa trên chúng. Tuy nhiên, tất cả các mô phỏng như vậy đều bị giới hạn trong khả năng nắm bắt được tính vật lý phức tạp trong sự hình thành thiên hà.

Đặc biệt, các mô phỏng được sử dụng trong nghiên cứu này không bao gồm phản hồi từ hạt nhân thiên hà đang hoạt động (bơm năng lượng từ bức xạ khi khí được bồi tụ bởi lỗ đen siêu lớn trung tâm). Nhiều nhà thiên văn học coi quá trình này là một yếu tố quan trọng điều chỉnh sự hình thành sao trong các thiên hà. Tuy nhiên, quan sát về các thiên hà xa xôi, thiên hà trẻ xuất hiện để cho thấy bằng chứng về hiện tượng dẫn đến pha nugget màu xanh nhìn thấy trong các mô phỏng thiên hà.

Koo, một điều phối viên của CANDELS, đã mời Huertas-Company đến thăm UC Santa Cruz để tiếp tục công việc này. Google đã cung cấp hỗ trợ cho công trình nghiên cứu sâu về thiên văn học thông qua quỹ nghiên cứu cho Koo và Primack, cho phép Huertas-Company dành mùa hè ở Santa Cruz, với kế hoạch cho một chuyến thăm dò khảo sát thiên hà khác vào mùa hè năm 2018.

Đối với các dữ liệu quan sát, nhóm nghiên cứu đã sử dụng hình ảnh của các thiên hà thu được thông qua dự án CANDELS - dự án nghiên cứu lớn nhất trong lịch sử của Kính viễn vọng Không gian Hubble. Tác giả đầu tiên Marc Huertas-Company, một nhà thiên văn học tại Đài thiên văn Paris và Đại học Paris Diderot, đã thực hiện công việc tiên phong áp dụng phương pháp học máy chuyên sâu để phân loại thiên hà bằng cách sử dụng dữ liệu CANDELS công khai.

Koo, một điều phối viên của CANDELS, đã mời Huertas-Company đến thăm UC Santa Cruz để tiếp tục công việc này. Google đã cung cấp hỗ trợ cho công trình nghiên cứu sâu về thiên văn học thông qua quỹ nghiên cứu cho Koo và Primack, cho phép Huertas-Company dành mùa hè ở Santa Cruz, với kế hoạch cho một chuyến thăm dò khảo sát thiên hà khác vào mùa hè năm 2018.