Wenn Astronomen ferne Himmelsobjekte beobachten und ihre Rotverschiebung messen, müssen sie eine mögliche Fehlerquelle berücksichtigen. Denn wie rötlich ein Stern erscheint, hängt nicht nur von seiner Entfernung, Bewegungsrichtung und der kosmischen Expansion ab. Auch interstellare Staubwolken, die das Sternenlicht durchquert, beeinflussen das Spektrum. Dieser Staub lässt entfernte kosmische Objekte rötlicher erscheinen und dämpft ihre Helligkeit – beide Merkmale sind jedoch für die Entfernungsbestimmung wichtig. Für genaue Beobachtungen müssen Astronomen daher wissen, wie viel Staub sich zwischen ihnen und ihren fernen Beobachtungszielen befindet.
Gaia, LAMOST und eine Künstliche Intelligenz
Eine neue 3D-Karte hilft nun, die Störeffekte interstellaren Staubs besser einzuschätzen. Xiangyu Zhang und Gregory Green vom Max-Planck-Institut für Astronomie in Heidelberg haben dafür zunächst die Lichtspektren von rund 130 Millionen Sternen in der Milchstraße und den Magellanschen Wolken ausgewertet, die vom europäischen Weltraumteleskop Gaia in den letzten rund zehn Jahren im Rahmen seiner Himmelsdurchmusterungen gemessen wurden. Aus früheren Analysen und Modellen ist bekannt, dass sich das Ausmaß der Staubwirkung in solchen Spektren anhand einer spezifischen, Wellenlängen-abhängigen Absorption ermitteln lässt. Denn kosmische Staubteilchen absorbieren stärker bei kürzeren Wellenlängen und weniger stark bei längeren Wellenlängen. Diese Wellenlängenabhängigkeit ergibt eine spezifische „Extinktionskurve“, deren Form Aufschluss über die Menge und Zusammensetzung des Staubs gibt. Bisher waren die aus den Gaia-Daten entnommenen Informationen über diesen Staubeffekt im lokalen Kosmos allerdings ungenau, weil die Gaia-Spektren niedrig aufgelöst sind.
Zhang und Green haben dieses Problem nun mithilfe einer weiteren Datenquelle und künstlicher Intelligenz gelöst. Wie sie feststellten, wurde rund ein Prozent der von Gaia analysierten Sterne auch von der LAMOST-Durchmusterung der chinesischen Nationalobservatorien erfasst. Diese lieferte für diese Sterne höher aufgelöste und daher feinere Lichtspektren, an denen die Merkmale der Sterne und auch die staubbedingte Extinktionskurve gut ablesbar sind. Deshalb nutzten die Astronomen diese Daten, um ein neuronales Netz zu trainieren. Aufgabe des KI-Systems war es dabei, Gesetzmäßigkeiten zu erkennen, mit deren Hilfe sich auch für die gröberen Gaia-Spektren die genaue Staub-Extinktionskurve ermitteln lässt. “Wir trainierten das Modell daher mit 2,4 Millionen Sternentyp-spezifischen Parametern aus dem LAMOST-Datensatz”, erklären die Forscher. Auf dieser Basis lernte das KI-System, für unterschiedliche Sterne und Staubeigenschaften realistische Modellspektren zu erzeugen. Dadurch konnten die Astronomen die KI anschließend nutzen, um auch für die restlichen 130 Millionen Gaiaspektren die Extinktionskurve zu rekonstruieren.
