研究人员在银河系盘中发现了一个新的恒星团，这是与另一个矮星系合并的第一个证据。机器学习算法和来自盖亚太空天文台的数据模拟使发现这种新的恒星流成为可能，它以希腊夜神女神Nyx的名字命名。该发现发表在《 自然天文学》上，是宾夕法尼亚大学， 加州理工学院， 普林斯顿大学， 特拉维夫大学和 俄勒冈大学的研究人员合作的结果 。

盖亚卫星正在收集数据，以创建超过10亿颗恒星的高分辨率3D地图。盖亚(Gaia)可以从 L2拉格朗日(L2 Lagrange)的位置观察整个天空，这些极其精确的恒星位置测量值使研究人员可以了解更多有关银河系结构的信息，例如银河系，以及它们如何随着时间演化。

在盖亚(Gaia)收集数据的五年中，天文学家和研究的共同作者 佩恩(Ronn)的罗宾·桑德森(Robyn Sanderson)说，迄今为止收集到的数据表明，星系比以前想象的要动态和复杂得多。凭借对星系动力学的兴趣，桑德森正在研究通过研究恒星的轨道来模拟银河系暗物质分布的新方法。对她而言，盖亚(Gaia)生成的海量数据既是了解银河系的难得机会，又是需要新技术的科学挑战，而机器学习正是这种挑战。

“人们为星系建模的一种方式是手工建立模型，”桑德森说，他指的是该领域中使用的传统数学模型。“但是这排除了我们银河系形成的宇宙学背景：事实是它是由较小的星系合并而成的，或者最终形成恒星的气体来自银河系之外。” 现在，使用机器学习工具，像桑德森这样的研究人员可以在计算机上重新创建星系的初始条件，以查看结构是如何从基本物理定律中出现的，而无需指定数学模型的参数。

能够使用机器学习来询问有关星系演化的问题的第一步是 从 模拟中创建 模拟Gaia调查。这些模拟包括科学家所知道的有关星系形成方式的所有细节，包括暗物质，气体和恒星的存在。它们也是有史以来最大的星系计算机模型之一。研究人员使用三种不同的星系模拟来创建九次模拟调查，每项模拟中的三项模拟调查，每个模拟调查包含使用500万颗粒子生成的2-6亿颗恒星。仿真需要几个月的时间才能完成，需要1000万个CPU小时才能在一些世界上最快的超级计算机上运行。

艺术家对盖亚卫星的印象。盖亚(Gaia)由欧洲航天局(European Space Agency)于2013年发起，其雄心勃勃的使命是绘制银河系的三维地图，以揭示其组成，形成和演化过程。图片来源：ESA–D。杜克罗斯(Ducros)，2013年

然后，研究人员在这些模拟数据集上训练了一种机器学习算法，以学习如何根据其动态特征的差异来识别来自其​​他星系的恒星。为了确认他们的方法是可行的，他们验证了该算法是否能够发现其他已被确认为来自银河系以外的恒星，包括盖亚香肠 (Gaia Sausage)和赫尔米(Helmi)流，两个与 星云合并的矮星系。数十亿年前的银河系。

除了发现这些已知的结构外，该算法还识别出由250个恒星组成的星团，它们与银河系的盘一起朝着银河系的中心旋转。恒星流，由论文的主要作者利娜·内西布(Lina Necib)命名为Nyx， 使用传统的手工模型很难发现，特别是因为盖亚星表中只有1%的恒星被认为来自其他星系。“这种特殊的结构非常有趣，因为没有机器学习就很难看到它，” Necib说。

但是，机器学习方法还需要仔细解释，以确认任何新发现都不只是代码中的错误。这就是为什么模拟数据集如此重要的原因，因为不能在算法所评估的同一数据集上训练算法。研究人员还计划通过收集有关其流化学成分的新数据来确认Nyx的起源，以查看这颗恒星团是否与银河系中的恒星不同。

对于正在研究暗物质分布的桑德森及其团队成员而言，机器学习还提供了新的方法来测试有关暗物质粒子的性质及其分布原理的理论。在即将发布的第三个Gaia数据版本中，该工具将变得尤为重要，它将提供更详细的信息，使她的团队可以更准确地模拟银河系中暗物质的分布。而且，作为Sloan数字天空调查联盟的成员 ，桑德森还使用Gaia模拟来帮助计划未来的恒星勘测，以创建整个宇宙的3D地图。

“我的子领域的人们现在转向这些技术的原因是因为我们之前没有足够的数据来做这样的事情。现在，我们对数据不知所措，我们试图弄清比旧模型所能处理的复杂得多的事情。”桑德森说。“我的希望是能够加深我们对银河系质量，暗物质的分布方式的理解，并将其与我们对不同暗物质模型的预测相比较。”

尽管分析这些海量数据集面临挑战，但桑德森很高兴继续使用机器学习来发现新发现并获得有关星系演化的新见解。“现在是在这个领域工作的好时机。这是梦幻般的; 我喜欢它，”她说。

标签： 机器学习