周一 · 知古通今 | 周二 · 牧夫专栏

周三 · 风月同天 |周四 · 观测指南

周五 · 深空探测 |周六 · 茶余星话| 周日 · 太空探索

原作：Lindsay R. House

翻译：李思绮

校译：牧夫校对组

编排：赵书晨

后台：李子琦

原文链接：https://www.astronomy.com/science/dark-energy-explorers-help-unravel-one-of-the-universes-biggest-mysteries/

“

参与式科学项目正在帮助霍比-艾伯利望远镜暗能量实验对数百万个星系进行分类。

天文学中的许多大规模实验都在探索暗能量的未解之谜。然而，许多实验都面临着同样的问题：数据实在太多了。

哈勃望远镜拍摄的这张星系团阿贝尔370（Abell 370）的图像显示了几个被引力透镜扭曲的星系。

图源：NASA、ESA、J. Lotz 和 HFF 小组（STScI）

01

一个棘手的问题

霍比-埃伯利望远镜暗能量实验（HETDEX）希望通过创建具有莱曼α发射线的星系员源表来绘制出覆盖范围最大的宇宙地图之一。这些星系发出的光与激发态的氢气有关，是追踪宇宙大尺度结构和测量宇宙膨胀情况的重要途径。我们将收集数百万个这样的星系，它们离地球的距离都在 90 亿光年到 110 亿光年之间。

测量宇宙的膨胀可以帮助我们科学家进一步了解--或者推翻--我们目前关于暗能量的理论！但是，绘制宇宙地图需要大量的数据，而我们正处在一个数据无比丰富的时代。在 HETDEX，我们很快就被数据淹没了，因为我们的目标是收集大约 10 亿个光谱。

问题在于，HETDEX 是一种无目标巡天观测，也就是说，我们不是对准天空中的特定目标，而是对一片广阔的天空进行多年的反复扫描。然后，我们必须自己对在这些图像中看到的所有天体进行分类。我们要从所有这些天体中找出我们想要保留的星系，而在众多探测到的假阳性天体（即看起来像星系但实际上不是的天体）中找出我们想要保留的星系。HETDEX是一个相对较小的团队，所以这样做的效率很低。

我们需要一种新的解决方案。

02

所以我能干什么？

为了解决这个复杂的问题，“暗能量探索者”（Dark Energy Explorers）应运而生。“暗能量探索者”是一个参与式科学（以前称为 “公民科学”）项目，它对公众（从初中生到退休人员）进行培训，让他们了解从 HETDEX 星系中寻找什么以及如何对星系进行分类。“暗能量探索者”最重要的部分是它的无术语教程。总之，它教导每个参与者成为一名 HETDEX 天文学家，并将每个源分类为 “保留”或 “丢弃”的天体。以下是 “暗能量探索者”正在寻找的东西的一小部分：

所收集数据的质量

发射线的强度

至少在一个或多个光谱中出现莱曼α发射线

自 2021 年启动以来，“暗能量探索者”已经收集了 600 多万个星系分类。迄今为止，“暗能量探索者”已有来自全球 150 多个国家的 18000 多名志愿者。

这张 “暗能量探索者 ”项目的截图显示了志愿者在参与该项目时可以使用的数据类型。

图源：Dark Energy Explorers

03

公众（和机器）如何为科学做出贡献

说到这里，你可能会有疑问： 你们如何相信来自世界各地的数千人能够进行可靠的科学研究？我们考虑到了这一点，并通过让每个星源被至少 10 名参与者分类来建立有效性。然后对这些分类进行平均，得出星系探测结果是正确的概率。

有了这个概率之后，我们就利用机器学习来提高这个过程的效率。你现在可能在想，我们为什么不一开始就这样做呢？我们确实这样做了！然而，仅靠机器学习，我们并不能获得满足科学规范所需的精确度。此外，要确保对机器学习的信任，还需要在一组强大的示例上训练算法。有了如此丰富的数据，“暗能量探索者”还需要几年时间才能对所有 HETDEX 探测到的数据进行分类。因此，这正是参与式科学与机器学习相结合的优势所在。

未来，来自暗能量探索者的数据可用于训练有监督的机器学习算法或帮助理解无监督的机器学习算法。应用机器学习和 “暗能量探索者”，我们可以对星系进行分类，避免出现可能会污染最终用于暗能量计算的星表的错误探测。