Press Release: Astronomers Turn to the Brightest Entities in the Universe to Understand the Secrets of the Darkest Entities — Journal of Young Investigators

Announcing Undergraduate Research Funding? Submit your applications until April 30th

Press Release: Astronomers Turn to the Brightest Entities in the Universe to Understand the Secrets of the Darkest Entities

Astronomers Turn to the Brightest Entities in the Universe to Understand the Secrets of the Darkest Entities

May 3, 2022

Elana Farrell

Many are familiar with supermassive black holes, but few have heard of Active Galactic Nuclei (AGN). A black hole is a region of space where gravity is so strong that nothing, not even light, can escape. Supermassive black holes are the largest of black holes and are believed to lie at the center of all large galaxies including our Milky Way. An active galactic nucleus only occurs when a supermassive black hole is actively feeding on material. When dust and gas orbit just beyond the edge — known as an event horizon — of a supermassive black hole, the particles collide and release energy in the form of heat and light, forming a bright halo called an accretion disc. These particles heat up to millions of degrees and some are ejected along strong magnetic fields into two jets that shoot along the axis of the supermassive black hole for hundreds of thousands of lightyears. The central region of the galaxy can be more luminous than all the stars in the galaxy combined and this is an AGN. The most luminous AGN to date shines as brightly as 600 trillion suns. 

Beyond claiming the title as the brightest entity in the universe, AGNs are incredibly helpful in unlocking the secrets of supermassive black holes and cosmic evolution. We can’t technically see a supermassive black hole because they don’t emit any light. We can, however, detect their presence and understand them by studying their effect on matter nearby that we can see. AGNs can be seen at radio frequencies, so astronomers can study their radio emission to learn about supermassive black holes. 

In an article published by The Journal of Young Investigators on April 1st, Kamalpreet Kaur and Anil Ramdas Bari discuss theories of supermassive black hole formation, methods of detecting and weighing supermassive black holes, and how supermassive black holes can be located via the Citizen Science Project ‘Radio Galaxy Zoo: LOFAR’ presented by Zooniverse. The authors emphasize the importance of studying supermassive black holes because they are the control mechanisms and engines of cosmic change. 

LOFAR is an international network of telescopes used to observe and map the universe at radio frequencies in unprecedented detail. The LOFAR radio survey of the northern sky has captured hundreds of thousands of radio sources. Most of these radio sources are AGN. Astronomers rely on a sophisticated automatic “source finder” computer program to identify radio sources. The problem is that sometimes the computer program mistakenly separates constituent parts of one radio source into unrelated radio sources. There is no algorithm as good as the human eye at associating the components that the computer program mistakenly separated. Given that LOFAR generates vast amounts of data, astronomers need the help of citizen scientists to identify the sources in the most complex radio data images. This will prepare the data for further research by astronomers. 

After gaining a thorough understanding of the methodology of the project, Kaur and Bari created a decision tree based on the classifications they made as volunteers of the project. The goal of this decision tree is to help volunteers more easily identify the optical counterpart, or single source in the image that seems to be generating the radio emissions. The first categorization that must be made when classifying a radio source for the LOFAR project is made according to the symmetry of the radio sources. Once the source has been identified as “Symmetrical,” “Asymmetrical,” or a “Special-Case,” volunteers move on to make the next categorization based on shape, size and contour lines. Based on these categorizations, the decision tree provides an approximate location of the optical counterpart. In total, there are eight distinct classifications that can be made using the decision tree for analysis. Kaur and Bari provide an example of all eight types of classifications. This decision tree is a significant contribution to the project because it can be used by other citizen scientists to simplify the classification process. Since classifications made by citizen scientists are also used to train automatic decision tree classifiers, the decision tree may also indirectly improve machine learning. 

There are several limitations to the “Radio Galaxy Zoo: LOFAR” project. Each target must be presented to five people before an appropriate classification can be created, which means that five participants are needed to make one classification. Although nearly one million classifications have been made by citizen scientists to date, the project is currently just halfway to meeting their goal. Citizen scientists can help address this issue by getting involved as a volunteer. With the aid of Kaur and Bari’s classification tree, it is easier to make a supermassive impact.

References


Comunicado de prensa: Los astrónomos recurren a las entidades más brillantes del universo para comprender los secretos de las entidades más oscuras

May 3, 2022

Elana Farrell

Ninoshka Garcia, Cypress Henning

Muchos están familiarizados con los agujeros negros supermasivos, pero pocos conocen sobre los Núcleos Activos Galácticos (conocidos como AGN, por sus siglas en inglés). Un agujero negro es una región en el espacio de una galaxia donde la gravedad es tan intensa que nada, ni la luz puede escapar. Los agujeros negros supermasivos son los mayores agujeros negros y se creen que se encuentren en el centro de todos las grandes galaxias incluida la nuestra, la Vía Láctea. 

Un núcleo galáctico activo solo ocurre cuando un agujero negro supermasivo se alimenta activamente de material. Cuando el polvo y el gas orbitan justo más allá del borde (conocido como horizonte de evento) de un agujero negro supermasivo, las partículas chocan entre sí y liberan energía en forma de calor y luz, formando una aureola brillante conocido como disco de acreción. Estas partículas se calientan a millones de grados, y algunas son expulsadas a través de fuertes campos magnéticos en forma de dos chorros que se proyectan a lo largo del eje del agujero negro supermasivo por cientos de miles de años luz. La región central de la galaxia puede ser más luminosa que todas las estrellas de la galaxia juntas, lo que da lugar a un AGN. El AGN más luminoso conocido hasta la fecha brilla tanto como 600 billones de soles. 

Además de ser las entidades más brillantes del universo, los AGN son increíblemente útiles para descifrar los secretos de los agujeros negros supermasivos y la evolución cósmica. Técnicamente, no podemos ver un agujero negro supermasivo porque no emite luz. Sin embargo, podemos detectar su presencia y comprenderlos estudiando su efecto sobre la materia cercana que sí podemos observar. Los AGN son visibles en radiofrecuencias, por lo que los astrónomos pueden estudiar su emisión de radio para aprender más sobre los agujeros negros supermasivos.

En un artículo publicado por The Journal of Young Investigators el 1 de abril, Kamalpreet Kaur y Anil Ramdas Bari discuten teorías sobre la formación de agujeros negros supermasivos, los métodos para detectarlos y medir su masa, y cómo pueden localizarse a través del proyecto de ciencia ciudadana “Radio Galaxy Zoo: LOFAR”, presentado por Zooniverse. Los autores destacan la importancia de estudiar los agujeros negros supermasivos porque son los mecanismos de control y motores del cambio cósmico.

LOFAR es una red internacional de telescopios utilizada para observar y mapear el universo en radiofrecuencias con un nivel de detalle sin precedentes. La encuesta de radio de LOFAR del cielo del norte ha capturado cientos de miles de fuentes de radiación. La mayoría de estas fuentes de radiación son AGN. Los astrónomos dependen de un sofisticado programa automático de “detección de fuentes” para identificar éstas fuentes. Sin embargo, a veces el programa separa erróneamente partes de una fuente de radio en fuentes no relacionadas. No existe un algoritmo tan efectivo como el ojo humano para asociar los componentes que el programa separó incorrectamente. Dado que LOFAR genera enormes cantidades de datos, los astrónomos necesitan la ayuda de científicos ciudadanos para identificar las fuentes en las imágenes de radio más complejas. Esto prepara los datos para investigaciones adicionales por parte de los astrónomos.

Después de obtener una comprensión profunda de la metodología del proyecto, Kaur y Bari crearon un árbol de decisiones basado en las clasificaciones que realizaron como voluntarios del proyecto. El objetivo de éste árbol de decisiones es ayudar a los voluntarios a identificar más fácilmente la contraparte óptica, o la única fuente en la imagen que parece generar las emisiones de radio. La primera categorización que debe hacerse al clasificar una fuente de radio para el proyecto LOFAR se basa en la simetría de las fuentes de radio. Una vez que la fuente ha sido identificada como "Simétrica", "Asimétrica" o un "Caso Especial", los voluntarios pasan a realizar la siguiente categorización según la forma, tamaño y las líneas de contorno. Basándose en estas categorías, el árbol de decisiones proporciona una ubicación aproximada de la contraparte óptica. En total, se pueden realizar ocho clasificaciones distintas utilizando el árbol de decisiones para el análisis. Kaur y Bari proporcionan un ejemplo de los ocho tipos de clasificaciones. Este árbol de decisiones es una contribución significativa al proyecto porque puede ser utilizado por otros científicos ciudadanos para simplificar el proceso de clasificación. Dado que las clasificaciones realizadas por científicos ciudadanos también se utilizan para entrenar clasificadores automáticos de árboles de decisión, el árbol de decisiones podría mejorar indirectamente el aprendizaje automático.

El proyecto “Radio Galaxy Zoo: LOFAR” tiene varias limitaciones. Cada objetivo debe ser evaluado por cinco personas antes de que pueda crearse una clasificación adecuada, lo que significa que se necesitan cinco participantes para hacer una clasificación. Aunque hasta la fecha se han realizado casi un millón de clasificaciones por científicos ciudadanos, el proyecto actualmente está a mitad de camino de alcanzar su meta. Los científicos ciudadanos pueden ayudar a resolver este problema participando como voluntarios. Con la ayuda del árbol de decisiones creado por Kaur y Bari, es más fácil generar un impacto supermasivo.

Referencias

Share

Stay up-to-date on news and publications: