Tiedemiesryhmä on saattanut törmätä radikaalisti uuteen tapaan tutkia kosmologiaa.
Kosmologit yleensä määrittävät maailmankaikkeuden koostumuksen tarkkailemalla mahdollisimman monia osia siitä. Mutta nämä tutkijat havaitsivat, että koneoppimisalgoritmi voi tutkia yksittäistä mallinnettua galaksia ja ennustaa sen digitaalisen universumin yleisen koostumuksen, jossa se esiintyy - samalla tavalla kuin analysoidaan satunnaista hiekkajyvää mikroskoopilla ja määritetään Euraasian massa. Näyttää siltä, että koneet ovat löytäneet kuvion, jonka avulla tähtitieteilijät voivat tulevaisuudessa tehdä laajamittaisia johtopäätöksiä todellisesta kosmoksesta yksinkertaisesti tutkimalla rakennuspalikoita.
"Tämä on täysin erilainen ajatus. Sen sijaan, että mittaisit noita miljoonia galakseja, voit ottaa yhden. On yllättävää, että se toimii", sanoi Francisco Villaescuza-Navarro, teoreettinen astrofyysikko Flatiron Institutesta New Yorkista ja artikkelin johtava kirjoittaja.
Tämän ei olisi pitänyt tapahtua. Uskomaton löytö syntyi harjoituksesta, jonka Vilaescuza-Navarro antoi Princetonin yliopiston opiskelijalle Jupiter Deanille: rakentaa hermoverkko, joka galaksin ominaisuuksien perusteella voisi arvioida pari kosmologista ominaisuutta. Haasteena oli yksinkertaisesti esitellä Dean koneoppimiseen. Sitten he huomasivat, että tietokone oli laskemassa aineen kokonaistiheyttä. "Luulin, että opiskelija teki virheen", Villaescuza-Navarro sanoi. "Minun oli hieman vaikea uskoa, rehellisesti sanottuna."
Tutkijat analysoivat 2000 10 digitaalista universumia, jotka on luotu osana CAMELS-projektia Cosmology and Astrophysics with Machine Learning Modeling (CAMELS). Näiden universumien koostumus vaihteli 50 prosentista XNUMX prosenttiin aineesta, ja loput olivat pimeää energiaa, mikä saa universumin laajenemaan nopeammin ja nopeammin (Todellinen kosmoksemme on noin kolmasosa pimeää ja näkyvää ainetta ja kaksi kolmasosaa pimeää energiaa) . Simuloinnin edetessä pimeä aine ja näkyvä aine sulautuivat galakseiksi. Simulaatioihin sisältyi myös monimutkaisten ilmiöiden, kuten supernovien ja supermassiivisten mustien aukkojen ejectioiden, karkea käsittely.
Deanin hermoverkko tutki lähes miljoonaa simuloitua galaksia näissä erilaisissa digitaalisissa universumissa. Jumalalta katsottuna hän tiesi jokaisen galaksin koon, koostumuksen, massan ja yli tusinaa muuta ominaisuutta. Hän yritti yhdistää tämän numeroluettelon aineen tiheyteen emouniversumissa.
Se onnistui. Kun hermoverkko testattiin tuhansilla uusilla galaksilla kymmenistä universumeista, joita se ei ollut aiemmin tutkinut, se pystyi ennustamaan kosmisen aineen tiheyden 10 prosentin tarkkuudella. "Sillä ei ole väliä mitä galaksia katsot, kukaan ei uskonut tämän olevan edes mahdollista", Villaescuza-Navarro sanoi.
Mielenkiintoista myös:
- Space Entertainment Enterprise käynnistää avaruuselokuvastudion vuonna 2024
- Amazon Alexa tulee olemaan NASAn digitaalinen avustaja Artemis I -avaruustehtävässä
Algoritmin suorituskyky hämmästytti tutkijoita, koska galaksit ovat luonnostaan kaoottisia kohteita. Jotkut muodostuvat kerralla, kun taas toiset kasvavat syömällä naapureitaan. Jättiläisgalaksit säilyttävät aineensa, kun taas kääpiögalaksien supernovat ja mustat aukot voivat sinkouttaa suurimman osan näkyvästä aineestaan.
Yksi tulkinta on, että "universumi ja/tai galaksit ovat jotenkin paljon yksinkertaisempia kuin kuvittelimme." Ryhmä käytti kuusi kuukautta yrittäessään ymmärtää, kuinka hermoverkosta tuli niin viisas. He tarkistivat varmistaakseen, ettei algoritmi ollut vain löytänyt tapaa johtaa tiheyttä simulaatiokoodin sijaan itse galakseista. Useiden kokeiden avulla tutkijat ymmärsivät, kuinka algoritmi määrittää kosmisen tiheyden. Kouluttamalla verkostoa toistuvasti uudelleen, piilottamalla järjestelmällisesti erilaisia galaktisia ominaisuuksia, he keskittyivät tärkeimpiin ominaisuuksiin.
Neuraaliverkko paljasti paljon tarkemman ja monimutkaisemman suhteen noin 17 galaktisen ominaisuuden ja aineen tiheyden välillä. Tämä yhteys säilyy galaktisista fuusioista, tähtien räjähdyksistä ja mustien aukkojen purkauksista huolimatta.
Tutkimus ehdottaa, että teoriassa Linnunradan ja ehkä muutaman muun lähellä olevan galaksin kattava tutkimus voisi mahdollistaa universumissamme olevan aineen erittäin tarkan mittaamisen. Tällainen koe, Villaescuz-Navarro sanoi, voisi tarjota vihjeitä muihin kosmisen merkityksen lukuihin, kuten maailmankaikkeuden kolmen tyyppisten neutriinojen tuntemattomien massojen summaan.
Tutkijat iloitse siitä, että hermoverkko pystyi löytämään kuvioita kahden itsenäisen simulaation sotkuisista galakseista. Digitaalinen löytö nostaa esiin mahdollisuuden, että todellisessa kosmoksessa voi olla samanlainen yhteys suuren ja pienen välillä.
Tämä on erittäin hyvä asia. Se muodostaa yhteyden koko maailmankaikkeuden ja yhden galaksin välille.
Lue myös:
- Tähtitieteilijät ovat löytäneet uuden luokan galaktisia sumuja
- Tutkijat vahvistavat ensimmäistä kertaa mustien aukkojen eksentrinen sulautumisen