Група научника је можда наишла на радикално нови начин проучавања космологије.
Космолози обично одређују састав универзума посматрајући што је више могуће његових делова. Али ови истраживачи су открили да алгоритам за машинско учење може да испита једну моделовану галаксију и да предвиди укупну композицију дигиталног универзума у коме она постоји – слично анализи случајног зрна песка под микроскопом и одређивању масе Евроазије. Чини се да су машине откриле образац који би у будућности могао омогућити астрономима да изводе велике закључке о стварном космосу једноставним проучавањем елементарних грађевинских блокова.
„Ово је сасвим друга идеја. Уместо да мерите те милионе галаксија, можете узети само једну. Изненађујуће је да функционише“, рекао је Францисцо Виллаесцуза-Наваро, теоријски астрофизичар са Флатирон института у Њујорку и главни аутор рада.
Ово није требало да се деси. Невероватно откриће је произашло из вежбе коју је Вилаескуза-Наваро дао Јупитеру Дину, студенту са Универзитета Принстон: да изгради неуронску мрежу која би, с обзиром на својства галаксије, могла да процени неколико космолошких атрибута. Изазов је био једноставно упознати Деана са машинским учењем. Тада су приметили да компјутер израчунава укупну густину материје. „Мислио сам да је студент погрешио“, рекла је Виљаскуза-Наваро. „Било ми је мало тешко да поверујем, да будем искрен.
Истраживачи су анализирали 2000 дигиталних универзума створених у оквиру пројекта Космологија и астрофизика са моделирањем машинског учења (ЦАМЕЛС). Ови универзуми су варирали у саставу од 10% до 50% материје, а остатак је тамна енергија, што узрокује да се универзум шири све брже (наш прави космос је око једне трећине тамне и видљиве материје и две трећине тамне енергије) . Како је симулација напредовала, тамна материја и видљива материја су се спојиле у галаксије. Симулације су такође укључивале груби третман сложених феномена као што су супернове и избацивање из супермасивних црних рупа.
Деанова неуронска мрежа проучавала је скоро милион симулираних галаксија у овим различитим дигиталним универзумима. Из своје божанске перспективе, знао је величину, састав, масу сваке галаксије и више од десет других карактеристика. Он је покушао да повеже ову листу бројева са густином материје у матичном универзуму.
Успело је. Када је тестирана на хиљадама нових галаксија из десетина универзума које раније није истраживала, неуронска мрежа је била у стању да предвиди густину космичке материје са тачношћу од 10%. „Није важно коју галаксију гледате, нико није мислио да ће то бити могуће“, рекла је Виљаскуза-Наваро.
Такође занимљиво:
- Спаце Ентертаинмент Ентерприсе ће покренути студио за свемирски филм 2024
- Амазон Алека ће бити НАСА-ин дигитални асистент у свемирској мисији Артемис И
Учинак алгоритма је задивио истраживаче јер су галаксије инхерентно хаотични објекти. Неки се формирају одједном, док други расту једући своје суседе. Гигантске галаксије имају тенденцију да задрже своју материју, док супернове и црне рупе у патуљастим галаксијама могу избацити већину своје видљиве материје.
Једно тумачење је да су „Универзум и/или галаксије некако много једноставнији него што смо замишљали“. Тим је провео шест месеци покушавајући да схвати како је неуронска мрежа постала тако мудра. Проверили су да алгоритам није само пронашао неки начин да изведе густину из симулационог кода, а не из самих галаксија. Кроз серију експеримената, истраживачи су схватили како алгоритам одређује космичку густину. Више пута преобучавајући мрежу, систематски скривајући различита галактичка својства, фокусирали су се на најважније атрибуте.
Неуронска мрежа је открила много прецизнији и сложенији однос између отприлике 17 галактичких својстава и густине материје. Ова веза постоји упркос галактичким спајањима, експлозијама звезда и ерупцијама црних рупа.
Студија сугерише да би, у теорији, свеобухватно проучавање Млечног пута и можда неколико других оближњих галаксија могло да омогући изузетно прецизно мерење материје у нашем универзуму. Такав експеримент, рекао је Виљаскуз-Наваро, могао би да пружи трагове за друге бројеве од космичког значаја, као што је збир непознатих маса три типа неутрина у универзуму.
Истраживачи радуј се што је неуронска мрежа успела да пронађе обрасце у неуредним галаксијама две независне симулације. Дигитално откриће отвара могућност да прави космос може имати сличну везу између великих и малих.
Ово је веома добра ствар. Успоставља везу између читавог универзума и једне галаксије.
Прочитајте такође:
- Астрономи су открили нову класу галактичких маглина
- Научници први пут потврђују ексцентрично спајање црних рупа