活动星系核(AGN)在星系演化中起着重要作用，来自SRON和RUG的天文学家，现在已经使用了一个创纪录的星系样本来证实星系合并对点燃活动星系核有积极的影响。通过使用机器学习算法，天文学家能够编辑出比之前研究多10倍的合并星系图片。天文学中一个更大的问题是：星系是如何从气体和尘埃云演化成如银河系附近观察到的美丽螺旋结构的？
所谓的活动星系核(AGN)包括有趣的研究对象来回答部分问题，因为活动星系核和星系之间似乎存在共同演化。活动星系核拥有超大质量黑洞，这些黑洞在从周围吸收气体后释放出巨大的能量。有些具有足够大的磁场或引力场，可以从它们绵延数千光年的两极喷出喷流。共同演化是一条双行道，一方面，星系的演化阶段影响活动星系核活动，活动星系核似乎在星系演化的特定阶段蓬勃发展，其研究发表在《天文学与天体物理学》期刊上。
因为看到活动星系核活动在特定距离的星系中达到顶峰，因此在过去的特定时间也是如此。另一方面，活动星系核的活动会影响星系的恒星形成。这可能是两种情况中的任何一种，活动星系核的喷流在气体传播穿过银河系时会将气体推开，迫使气体与其他气体发生碰撞，从而为新生恒星的诞生创造出“种子”。但活动星系核也会释放能量，加热气体，从而防止气体冷却和凝结成团块。
来自SRON荷兰空间研究所和格罗宁根大学(RUG)的天文学家，现在已经使用一个星系数量创纪录的样本，研究被认为对点燃活动星系核有积极影响的因素之一：星系之间的合并。事实上，研究人员发现了一种相关性，合并中的活动星系核大约是非合并中的1.4倍。另一方面，研究人员发现，与没有活动星系核的星系样本相比，有活动星系核的星系样本中的合并数量约为1.3倍，这是研究小组使用一种机器学习算法来识别的合并。
机器学习算法提供的样本比之前研究大了大约一个数量级，使相关性变得更加可靠。研究的第一作者高方友(音译)说：我们已经建立了一个神经网络来训练系统识别大量图片中的合并，这使我们能够使用对数万个星系进行两次望远镜观测的大样本。根据活动星系核的光谱，活动星系核相对容易识别。但合并必须从图像中分类，这通常是人类的工作，有了机器学习，现在可以让计算机为我们做这件事。
