活跃的银河核(AGNs)在银河系进化中起主要作用。来自SRON和RuG的天文学家现在已经使用了创纪录的星系样本，以确认星系合并对点燃AGN具有积极作用。通过使用机器学习算法，他们能够编辑出合并星系的图片约比以前的研究多10倍。

天文学面临的最大问题之一是星系如何从气体和尘埃云演变为在我们银河系附近观测到的美丽螺旋结构。所谓的活动星系核(AGN)包括一些有趣的研究对象，可以回答部分问题，因为AGN和星系之间似乎存在共同进化。AGN拥有超大质量的黑洞，这些黑洞在从周围环境中吸收气体后会释放出大量能量。有些具有足够大的磁场或引力场，可以从极上喷出数千光年的喷流。

协同进化是一条两条路。一方面，星系的演化阶段会影响AGN的活动。AGN似乎在银河系演化的某个阶段蓬勃发展，因为我们看到AGN活性在特定距离(因此在过去的特定时间)在银河系中达到峰值。另一方面，AGN活动会影响星系的恒星形成。这可以任一种方式。AGN的喷气机在气体通过星系传播时将其推离，迫使气体与其他气体发生碰撞，从而形成团块(即婴儿恒星的种子)。但是AGN也会释放能量，加热气体，从而防止气体冷却并凝结为团块。

从SRON荷兰空间研究所和格罗宁根大学(地毯)，包括领驭王和方友高，现在天文学家已经使用与星系的创纪录数量的样本来研究的因素之一认为具有积极的影响上点燃AGN：星系之间的合并。实际上，研究人员发现了一种相关性。在合并中，它们计算出的AGN数量是非合并中的AGN的1.4倍左右。与此相反，研究人员发现，具有AGN的星系样本中的合并大约是没有AGN的星系样本中1.3倍。

研究团队使用机器学习算法来识别合并。它提供的样本大约比以前的研究大一个数量级，从而使相关性更加可靠。第一作者高芳友说：“我们已经建立了一个网络来训练系统，以识别很多图片中的合并。” “这使我们能够使用包含成千上万个星系的两次望远镜勘测的大样本。基于它们的频谱，AGN相对容易识别。但是合并必须根据图像进行分类，这通常是人类的工作。借助机器学习，我们现在可以让计算机为我们做到这一点。”