在浩瀚的宇宙探索之旅中,一项名为“暗能量探索者”的参与式科学项目正逐步揭开暗能量这一宇宙最大谜团的面纱。该项目与霍比-埃伯利望远镜暗能量实验(HETDEX)携手,共同对数百万个星系进行分类,旨在绘制出前所未有的宇宙地图。
HETDEX的核心目标是构建一个包含莱曼α发射线星系的庞大数据库,这些星系的光与宇宙中激发态的氢气紧密相关,是追踪宇宙大尺度结构和测量宇宙膨胀的关键。项目团队计划收集距离地球90亿光年至110亿光年间的数百万个星系数据,这些数据将为科学家提供宝贵的信息,进一步验证或推翻现有的暗能量理论。然而,面对如此庞大的数据量,如何高效处理成为了一个棘手的问题。
由于HETDEX采用的是无目标巡天观测模式,即不是对准特定目标,而是对广阔天空进行多年的反复扫描,因此需要手动对图像中的天体进行分类。在无数探测到的天体中,找出真正的星系并排除假阳性天体,对于HETDEX这个相对较小的团队来说,无疑是一项艰巨的任务。于是,“暗能量探索者”项目应运而生,它通过培训公众参与星系分类,为这一难题提供了新的解决方案。
“暗能量探索者”项目以无术语教程为核心,让从初中生到退休人员在内的公众都能轻松上手,成为一名“HETDEX天文学家”。参与者需要学习如何从图像中识别并分类星系,将每个源标记为“保留”或“丢弃”。自2021年启动以来,“暗能量探索者”已经吸引了来自全球150多个国家的18000多名志愿者,共同完成了600多万个星系分类。
为了确保分类的准确性和可靠性,“暗能量探索者”项目采用了多重验证机制。每个星源都会被至少10名参与者分类,然后对这些分类结果进行平均,得出星系探测的正确概率。在此基础上,项目还引入了机器学习技术,以提高分类效率。然而,单纯依赖机器学习并不能达到科学规范所需的精确度,因此“暗能量探索者”项目将参与式科学与机器学习相结合,形成了独特的优势。
通过“暗能量探索者”项目收集的数据,不仅可以用于训练有监督的机器学习算法,还有助于理解无监督的机器学习算法。这一结合不仅提高了星系分类的准确性,还避免了可能污染最终用于暗能量计算的星表的错误探测。随着项目的持续推进,来自全球各地的志愿者将继续为解开暗能量之谜贡献自己的力量。