Versão Portuguesa 🇵🇹English Version 🇬🇧

 

A morfologia de 27 milhões de galáxias quantificada e catalogada

Uma investigação levada a cabo pelo Departamento de Física e Astronomia da Universidade de Pensilvânia produziu o maior catálogo de classificação de morfologia de galáxias, até à data. O trabalho foi liderado por Jesús Vega-Ferrero e Helena Domínguez Sánchez, que trabalharam com a professora Mariangela Bernardi. O catálogo contendo a morfologia de 27 milhões de galáxias fornece dados importantes sobre a evolução do Universo. O estudo foi publicado na revista Monthly Notices of the Royal Astronomical Society.

Imagem de NGC 1365 obtida pelo Dark Energy Survey. Também conhecida como Grande Galáxia Espiral Barrada, NGC 1365 é um exemplo de galáxia espiral e está localizada a aproximadamente 56 milhões de anos-luz de. Créditos: DECam, DES Collaboration.

Os investigadores usaram dados do levantamento DES (Dark Energy Survey), um programa internacional cujo objetivo é obter imagens de um oitavo do céu para compreender melhor o papel da energia escura na expansão acelerada do Universo.

Os dados do levantamento DES contêm muito mais imagens de galáxias distantes do que outros estudos realizados até agora. “As imagens do DES mostram-nos como as galáxias eram há mais de 6 mil milhões de anos,” disse Bernardi.

Com milhões de imagens de objetos astronómicos de alta qualidade, o DES é o conjunto de dados perfeito para estudar a morfologia das galáxias. “A morfologia é um dos aspetos fundamentais da evolução das galáxias. A sua configuração e a sua estrutura contêm muita informação sobre como se formaram, e o conhecimento das morfologias dá-nos pistas sobre os percursos prováveis de formação galáctica,” disse Domínguez Sánchez.

Os investigadores tinham previamente publicado um catálogo morfológico para mais de 600 mil galáxias do levantamento SDSS (Sloan Digital Sky Survey). Para tal, desenvolveram uma rede neural convolucional, um tipo de algoritmo de aprendizagem automática, que foi capaz de categorizar automaticamente se uma galáxia pertencia a um dos dois grupos principais: galáxias espirais, que possuem um disco giratório onde nascem novas estrelas, e galáxias elípticas, maiores e compostas por estrelas mais velhas que se movem de forma mais aleatória do que as suas homólogas espirais.

Mas segundo Vega-Ferrero, o catálogo desenvolvido com o conjunto de dados SDSS era essencialmente composto por galáxias próximas e brilhantes. No novo estudo, os investigadores quiseram refinar o modelo de rede neural de modo a poder classificar galáxias mais fracas e distantes. “Queríamos ultrapassar os limites da classificação morfológica e tentar ir mais além, acrescentando objetos mais fracos ou mais distantes,” disse Vega-Ferrero.

Então, primeiro foi necessário treinar o modelo de rede neural para poder classificar as imagens menos nítidas do conjunto de dados DES. Começaram por criar um modelo com classificações morfológicas previamente conhecidas, composto por um conjunto de 20 mil galáxias que se sobrepunham entre o DES e o SDSS. Depois, criaram versões simuladas de novas galáxias, tentando imitar a aparência que as imagens teriam se estivessem mais distantes usando um código desenvolvido por Mike Jarvis, membro da equipa.

Uma simulação de galáxia espiral (topo) e galáxia elíptica (em baixo) em várias qualidades de imagem e níveis de redshift, ilustrando como podem parecer, dentro do conjunto de dados DES, as galáxias mais fracas e distantes. Créditos: Jesus Vega-Ferrero and Helena Dominguez-Sanchez.

Após validação do modelo, tanto em galáxias simuladas como em reais, aplicaram-no ao conjunto de dados DES, e o catálogo resultante, com 27 milhões de galáxias, inclui informações sobre a probabilidade de uma galáxia individual ser elíptica ou espiral. Os investigadores descobriram também que a rede neural tinha 97% de precisão na classificação da morfologia de galáxias, mesmo para galáxias demasiado fracas para serem classificadas a olho nu.

“Ultrapassámos os limites em três ordens de grandeza, para objetos que são 1000 vezes mais fracos que os originais,” disse Vega-Ferrero. “Por esta razão, conseguimos incluir mais galáxias no catálogo.”

“Catálogos como este são muito importantes para o estudo da formação de galáxias. E este catálogo será em particular útil para percebermos se a morfologia e as populações de estrelas nos contam histórias semelhantes sobre a formação das galáxias,” disse Bernardi.

Por último, Domínguez Sánchez está atualmente a combinar as estimativas morfológicas das galáxias com dados sobre a sua composição química, idade, taxa de formação de estrelas, massa e distância. A integração destas informações irá permitir estudar melhor a relação entre a morfologia das galáxias e a formação de estrelas, trabalho que será fundamental para uma maior compreensão da evolução das galáxias.

Segundo Bernardi, há uma série de questões em aberto sobre a evolução das galáxias que tanto este novo catálogo como os métodos desenvolvidos para o criar podem ajudar a responder. O próximo levantamento LSST/Rubin irá, por exemplo, usar métodos de fotometria semelhantes ao DES, mas terá a capacidade de obter imagens de objetos ainda mais distantes, abrindo uma porta para um conhecimento ainda mais profundo da evolução do Universo.

Fonte da notícia: Penn Today

Tradução: Teresa Direitinho

 

27 million galaxy morphologies quantified and cataloged with the help of machine learning

Research from Penn’s Department of Physics and Astronomy has produced the largest catalog of galaxy morphology classification to date. Led by former postdocs Jesús Vega-Ferrero and Helena Domínguez Sánchez, who worked with professor Mariangela Bernardi, this catalog of 27 million galaxy morphologies provides key insights into the evolution of the universe. The study was published in Monthly Notices of the Royal Astronomical Society.

An image of NGC 1365 collected by the Dark Energy Survey. Also known as the Great Barred Spiral Galaxy, NGC 1365 is an example of a spiral galaxy and is located about 56 million light-years away. Credit: DECam, DES Collaboration.

The researchers used data from the Dark Energy Survey (DES), an international research program whose goal is to image one-eighth of the sky to better understand dark energy’s role in the accelerating expansion of the universe. […] Read the original article at Penn Today.

Classificação dos leitores
[Total: 1 Média: 5]