Кольца света: как найти невидимую материю, выпрямив картинку ✛ ✎ ✦

Оригинал: "Polar coordinate transformations for machine learning based dark matter subhalo detection in strong gravitational lenses"
arXiv:2607.02663 · 2026-07-02 · arXiv non-exclusive · собственный разбор · 1 мин
Превратив кольцо в прямую линию, учёные научили компьютер лучше различать невидимые сгустки тёмной материи.

Тяжесть галактик искривляет свет далёких звёзд — это гравитационное линзирование. Порой свет собирается в кольца, описанные Эйнштейном. В этих кольцах скрыта тёмная материя: её впятеро больше обычного вещества, и без неё галактики распались бы (как показали Вера Рубин и Фриц Цвикки). Крохотные сгустки тёмной материи, словно пузырьки под наклейкой, выдают её состав своим количеством.

Сгустки невидимы и лишь слегка колеблют светлые дуги. Снимки с Хаббла анализируют обучаемые программы, но они делят кадр на квадраты, а кольцо круглое. Выход прост: математически развернуть кольцо в прямую полосу — как отклеить этикетку с банки. После такого выпрямления программа находит на 15% больше сгустков.

Поразительно: прирост точности достигал 50%, когда программа не имела предварительной подготовки. Словно загадка на родном языке решается быстрее, чем в зеркальном отражении.

Грядущие телескопы («Евклид») поставят тысячи таких колец. Сравнивая число сгустков с компьютерными моделями (учитывая растяжение света расширением пространства), мы узнаем, холодная ли тёмная материя (много комков) или тёплая (мало).

Чтобы получить чёткий снимок линзы, Хаббл порой собирает свет на протяжении 50 витков вокруг Земли.

\theta_E = \sqrt{\frac{4GM D_{ls}}{c^2 D_l D_s}}
Угол Эйнштейна — это радиус гравитационного кольца. Чем массивнее линза и ближе к лучу зрения, тем оно крупнее. Крошечные субгало, словно невидимые спутники, слегка деформируют идеальную окружность, создавая микроскопические изломы — по ним мы их и обнаруживаем.
Учёные
Fritz ZwickyBernhard RiemannJoseph WeberKarl SchwarzschildKip ThorneRainer Weiss
Понятия
поляриметрия с нейронными сетями свёрточные нейронные сети слабое гравитационное линзирование анализ гравитационного линзирования обобщение субгало тёмной материи большие языковые модели машинное обучение глубокое обучение в медицинской визуализации гравитационные волны тёмной материи микролинзирование преобразования лоренца астрофизика с ИИ обучающие данные поляриметрическое дистанционное зондирование классификация изображений компьютерное зрение предсказание молекулярных свойств поляриметрия обработка естественного языка