Umělá inteligence odhaluje tajemství temné energie v průkopnické studii

Výzkumný tým pod vedením UCL použil techniky umělé inteligence (AI) k přesnějšímu odvození vlivu a vlastností temné energie z mapy temné a viditelné hmoty ve vesmíru pokrývající posledních sedm miliard let.

Studie, kterou provedla organizace Dark Energy Survey Project, zdvojnásobila rozlišení, se kterým lze z mapy odvodit klíčové vlastnosti vesmíru, včetně celkové hustoty temné energie.

Toto zvýšené rozlišení umožňuje výzkumníkům vyloučit modely vesmíru, které byly dříve myslitelné.

Pokroky v chápání vesmíru

Temná energie je tajemná síla urychlující expanzi vesmíru a předpokládá se, že tvoří asi 70 % obsahu vesmíru (s temnou hmotou, neviditelnou hmotou, jejíž gravitace přitahuje galaxie, tvoří 25 % a obyčejná hmota pouze 5 % ). ).

Vedoucí autor Dr Niall Jeffery (UCLA Physics & Astronomy) řekl: „Pomocí umělé inteligence k učení z počítačově simulovaných vesmírů jsme zvýšili přesnost našich odhadů klíčových vlastností vesmíru dvojnásobně.

„Abychom dosáhli tohoto zlepšení bez těchto nových technik, potřebovali bychom čtyřnásobné množství dat. To by se rovnalo mapování dalších 300 milionů galaxií.“

Spoluautor Dr Lorne Whiteway (UCLA Physics & Astronomy) řekl: „Naše zjištění jsou v souladu se současnou nejlepší předpovědí temné energie jako ‚kosmologické konstanty‘, jejíž hodnota se nemění s prostorem ani časem. Umožňuje však také flexibilitu, aby byl platný odlišný výklad. Například naše teorie gravitace se stále může mýlit.

Hmotová mapa je odvozena z jednoho ze simulovaných vesmírů. Světlejší oblasti mapy ukazují oblasti, kde je temná hmota hustší. Ty odpovídají nadkupám galaxií. Tmavé, téměř černé skvrny jsou vesmírné prázdnoty, velké prázdné prostory mezi kupami galaxií. Kredit: Niall Jeffery et al

Zdokonalování kosmologických modelů

V souladu s předchozí analýzou mapy Dark Energy Survey, která byla poprvé zveřejněna v roce 2021, výsledky naznačují, že hmota je ve vesmíru rozprostřena hladčeji – méně shlukovaná – než předpovídala Einsteinova teorie obecné relativity. Nesrovnalosti však byly u této studie méně významné než u předchozí analýzy, kde byly chybové úsečky větší.

Mapa Dark Energy Survey byla získána metodou nazvanou slabá gravitační čočka, tedy sledováním toho, jak je světlo ze vzdálených galaxií ohýbáno gravitací zasahující hmoty na cestě k Zemi.

Spolupráce analyzovala deformace tvarů 100 milionů galaxií, aby odvodila rozložení veškeré hmoty, tmavé i viditelné, v popředí těchto galaxií. Výsledná mapa pokrývala čtvrtinu oblohy na jižní polokouli.

V nové studii výzkumníci použili superpočítače financované britskou vládou k provádění simulací různých vesmírů na základě dat z mapy hmoty Dark Energy Survey. Každá simulace měla jiný matematický model vesmíru, který ji podporoval.

Vědci vytvořili mapy hmoty z každé z těchto simulací. A Strojové učení Model byl použit k extrakci informací z těchto map, které jsou relevantní pro kosmologické modely. Druhý nástroj strojového učení, který se učil z mnoha příkladů vesmírů simulovaných různými kosmologickými modely, se podíval na skutečně pozorovaná data a poskytl pravděpodobnosti, že jakýkoli kosmologický model je skutečným modelem našeho vesmíru.

Tato nová technika umožnila výzkumníkům využít mnohem více informací z map, než bylo možné při použití předchozí metody.

Simulace byly provedeny v zařízení DiRAC High Performance Computing (HPC), financovaném Radou pro vědecké a technologické zařízení Spojeného království (STFC).

Budoucí výzkumy v kosmologii

Další fáze projektů temného vesmíru – včetně mise Euclid Evropské vesmírné agentury (ESA), která byla zahájena loni v létě – dramaticky zvýší množství údajů, které máme o rozsáhlých strukturách vesmíru, a pomůže výzkumníkům určit, zda… Nečekaná hladkost vesmíru přispěla ke zvětšení velikosti temného vesmíru. Entropie je známkou toho, že současné kosmologické modely jsou špatné, nebo pro to existuje jiné vysvětlení.

V současnosti je tato hladkost v rozporu s tím, co by se dalo předpovědět na základě analýzy kosmického mikrovlnného pozadí (CMB) – zbytkového světla z vesmíru. velký výbuch.

Fermi National Accelerator Laboratory (Fermilab) Ministerstva energetiky USA hostí Dark Energy Survey Collaboration, jejímž je UCL zakládajícím členem, a zahrnuje více než 400 vědců z 25 institucí v sedmi zemích.

Spolupráce katalogizovala stovky milionů galaxií pomocí snímků noční oblohy pořízených 570megapixelovým fotoaparátem Dark Energy, jedním z nejvýkonnějších digitálních fotoaparátů na světě, po dobu šesti let (od roku 2013 do roku 2019). Kamera, jejíž optický korektor byl vyroben na Kalifornské univerzitě, byla namontována na dalekohled na meziamerické observatoři Cerro Tololo v Chile Národní vědecké nadace.

Reference: “Year 3 Dark Energy Survey Results: Simulation-based pravděpodobnost-free wCDM inference with neurální komprese pro slabé statistiky mapy čočky” od N. Jeffrey, L. Whiteway, M. Gatti, J. Williamson, J. Alsing, A. Porredon, J. Prat, C. Doux, B. Jain, C. Chang, T.-Y. Cheng, T. Kacprzák, P. Lemos, A. Alarcon, A. Mnich. Bechtol, M. R. Becker, J. M. Bernstein, A. Campos, A. Carneiro-Russell, R. Chen, A. Choi, J. De Rose, A. Drlica-Wagner, K. Eckert, S. Everett, A. Ferté, D. Gruen, R. A. Gruendl, K. Herner, M. Jarvis, J. McCullough, J. Myles, A. Navarro-Alsina, S. Pandey, M Rafferi, R. B. Rollins, E. S. Raykov, C. Sanchez, L. F. Seco, I. Sevilla-Noarbe, E. Sheldon, T. Chen, M. A. Troxel, I. Totosos, T. N. Varga, P. Yanni, P. Yin, G. Zontz, M. Aguina, S. S. Alam, O. Alves, D. Bacon, S. Kytice, D. Brooks, L. N. da Costa, T. M. Davis, J. D. Vicente, S. Desai, H. T. Diehl, I. Ferrero, J. Freeman, J. Garcia Bellido, E. Gazztanaga, G. Giannini, G. Gutierrez, S. Mina Fernandez, R. Mikel, A. Pires, A.A. Plaza Malagon, A. Rodman, M. Sacco, E. Sanchez, D. Sanchez Sid, M. Smith, E. Sucheta, M. E. C. Swanson, J. Tarley, D. L. Tucker, N. Weverdike, J. Wheeler, B. Weisman a M. Yamamoto, 4. března 2024, Negalaktická kosmologie a astrofyzika.
arXiv:2403.02314