Análisis automático rápido de lentes gravitacionales fuertes con redes neuronales convolucionales

Área de la Ciencia:

• La astrofísica
• Cosmología
• Aprendizaje automático

Sus antecedentes:

• La lente gravitacional fuerte cuantifica la estructura cósmica y la distribución de la materia.
• Los métodos de análisis actuales (modelado de probabilidad máxima) son computacionalmente costosos y requieren mucho tiempo.
• Los próximos estudios del cielo descubrirán un gran número de lentes gravitacionales.

Objetivo del estudio:

• Desarrollar un método rápido y automatizado para estimar los parámetros de la lente gravitacional.
• Para eludir las limitaciones de los modelos tradicionales de probabilidad máxima.
• Para permitir el análisis eficiente de grandes conjuntos de datos de lentes gravitacionales.

Principales métodos:

• Se utilizaron redes neuronales convolucionales profundas (CNN) para la estimación de parámetros.
• Análisis de componentes independientes empleados para la eliminación automática de la luz de la lente.
• CNN entrenados para recuperar los parámetros del perfil de densidad del elipsoide isotérmico singular.

Principales resultados:

• Las CNN lograron una precisión comparable a los modelos sofisticados.
• El nuevo método es aproximadamente diez millones de veces más rápido que los métodos tradicionales.
• 100 sistemas analizados en aproximadamente un segundo en una sola GPU.

Conclusiones:

• El aprendizaje profundo ofrece una solución altamente eficiente y automatizada para el análisis de lentes gravitacionales.
• Este enfoque democratiza el acceso a la estimación de parámetros de lente para los no expertos.
• El método es crucial para manejar el diluvio de datos esperado de futuras encuestas astronómicas.