ده ها عدسی گرانشی تازه شناسایی شده می توانند رازهای کهکشان های باستانی وماهیت ماده تاریک ماه را آشکار کنند.
به گزارش تک ناک، عدسی گرانشی توزیعی از ماده (مانند خوشه ای از کهکشان ها) بین یک منبع نور دور و یک ناظر است که قادر است هنگامی که نور به سمت ناظر حرکت می کند نور را از منبع خم کند.
این اثر به عنوان عدسی گرانشی شناخته می شود و میزان خمش ، یکی از پیش بینی های نظریه نسبیت عام آلبرت انیشتین است.فیزیک نیوتنی که نور را به عنوان ذراتی که با سرعت نور حرکت می کنند توصیف کرده، خمش نور را نیز پیش بینی می کند، اما این پیش بینی تنها نیمی از آن پیش بینی تئوری نسبیت عام است.
در اوایل سال جاری، یک الگوریتم یادگیری ماشینی تا 5000 لنز گرانشی احتمالی را شناسایی کرد که می‌تواند توانایی ما برای ترسیم تکامل کهکشان‌ها از زمان انفجار بزرگ را تغییر دهد.
کیم وی تران از ASTRO 3D و دانشگاه نیو ساوت ولز (UNSW) و همکارانش اکنون 77 عدسی را با استفاده از رصدخانه Keck در هاوایی و تلسکوپ بسیار بزرگ در شیلی ارزیابی کرده‌اند. تیم بین المللی او تأیید کرد که 68 تا ازمجموع 77 عدسی گرانشی قوی هستند که در فواصل بسیار زیاد کیهانی قرار دارند.
این میزان موفقیت 88 درصدی نشان می دهد که الگوریتم قابل اعتماد است و ما می توانیم هزاران لنز گرانشی جدید داشته باشیم. کشف عدسی های گرانشی دشوار بوده است و فقط حدود صد عدد از آنها به طور منظم استفاده می شود.
مطالعه کیم وی تران که اخیراً در مجله Astronomical منتشر شده است، شواهد طیف‌سنجی از لنزهای گرانشی قوی را ارائه می‌کند که قبلاً با استفاده از شبکه‌های عصبی کانولوشن پیدا شده بودند، که توسط دانشمند داده دکتر کالین جاکوبز در ASTRO 3D و دانشگاه Swinburne ساخته شده بودند.این کار بخشی از بررسی ASTRO 3D Galaxy Evolution with Lenses (AGEL) است.
دکتر تران، نویسنده مربوطه از مرکز عالی ARC اخترفیزیک سه بعدی آسمان دانشگاه NSW (UNSW). (ASTRO3D) و می‌گوید: طیف‌سنجی ما به ما این امکان را می‌دهد که یک تصویر سه‌بعدی از لنزهای گرانشی را ترسیم کنیم تا نشان دهیم آنها واقعی هستند و نه صرفاً برهم نهی تصادفی.
او می‌گوید: هدف ما با AGEL تأیید طیف‌سنجی حدود 100 لنز گرانشی قوی است که می‌توان از هر دو نیمکره شمالی و جنوبی در طول سال مشاهده کرد.
این مقاله نتیجه یک همکاری در سراسر جهان با محققانی از استرالیا، ایالات متحده، بریتانیا و شیلی است. این کار با توسعه الگوریتم برای جستجوی امضاهای دیجیتالی خاص امکان پذیر شد.
