Preciznije razumevanje tamne energije pomoću veštačke inteligencije

Foto: Pixabay/merlinlightpainting

Studija je udvostručila preciznost kojom ključne karakteristike univerzuma, uključujući sveukupnu gustinu tamne energije, mogu biti određene na osnovu te mape.

Ova povećana preciznost omogućava istraživačima da eliminišu modele univerzuma koji su možda ranije bili zamislivi, piše UCL.

Preporučujemo

Tamna energija je misteriozna sila koja ubrzava širenje univerzuma i smatra se da čini oko 70% sadržaja univerzuma (sa tamnom materijom, nevidljivom tvari čija gravitacija vuče galaksije, koja čini 25%, i normalnom materijom koja čini samo 5%).

„Koristeći AI za učenje na osnovu kompjuterske simulacije univerzuma, duplo smo povećali preciznost naših procena ključnih osobina univerzuma. Da bismo ostvarili napredak bez novih tehnika, bilo bi nam potrebno četiri puta više podataka, što bi bilo jednako mapiranju još 300 miliona galaksija“, kažu istraživači.

„Naši nalazi su u skladu sa trenutnom najboljom procenom tamne energije kao ‘kosmološke konstante’ čija vrednost ne varira u prostoru ili vremenu. Međutim, takođe omogućavaju fleksibilnost da neko drugačije objašnjenje bude tačno. Na primer, može biti da je naša teorija gravitacije pogrešna“.

U skladu sa ranijom analizom mape tamne energije, prvi put objavljene 2021, nalazi sugerišu da je materija u univerzumu ravnomernije raširena – manje zgrudvana – nego što bi Ajnštajnova teorija opšte relativnosti predviđala. Međutim, ta razlika je bila manje značajna za ovu studiju u poređenju sa ranijom analizom, pošto su stepeni greške bili veći.

Mapa tamne energije dobijena je metodom slabog gravitacionog sočiva – opservacijom kako je svetlost iz dalekih galaksija iskrivljena gravitacijom materije na putu do Zemlje.

Analizirane su distorzije u oblicima 100 miliona galaksija radi utvrđivanja distribucije sve materije, i tamne i vidljive, u prednjem planu tih galaksija. Dobijena mapa je pokrila četvrtinu neba na južnoj hemisferi.

U novoj studiji, istraživači su koristili superkompjutere koje je finansirala vlada Ujedinjenog Kraljevstva kako bi izveli simulacije različitih univerzuma na osnovu podataka iz mape tamne energije. Svaka simulacija je imala drugačiji matematički model univerzuma.

Kreirali su mape materije na osnovu svake od tih simulacija. Model mašinskog učenja je upotrebljen za izvlačenje informacija iz tih mapa koje su relevantne za kosmološke modele. Drugi instrument mašinskog učenja, učeći iz mnogih primera simuliranih univerzuma sa različitim kosmološkim modelima, posmatrao je stvarne osmotrene podatke i procenjivao šanse svakog kosmološkog modela da bude istinski model našeg univerzuma.

Nova tehnika je omogućila istraživačima da koriste mnogo više informacija iz mapa nego što bi bilo moguće pomoću ranijih metoda.

Sledeća faza projekata u pogledu tamnog unverzuma – uključujući misiju Evropske svemirske agencije „Euklid“, lansiranu prošlog leta – znatno će povećati količinu podataka o strukturama univerzuma velikih razmera, pomažući da se utvrdi da li je neočekivana ravnomernost univerzuma znak da su trenutni kosmološki modeli pogrešni ili postoji neko drugo objašnjenje.

Trenutno je ta ravnomernost suprotstavljena onome što bi se predvidelo na osnovu analize kosmičkog pozadinskog zračenja (CMB) – svetlosti preostale od Velikog praska.

Londonski univerzitetski koledž je jedan od osnivača projekta merenja tamne energije, čiji domaćin je Nacionalna akceleratorska laboratorija SAD (Fermilab), a uključuje više od 400 naučnika iz 25 institucija u sedam zemalja.

Foto: Wikipedia/CTIO/NOIRLab/NSF/AURA/R. Sparks, CC BY 4.0 , via Wikimedia Commons

Katalogizovane su stotine miliona galaksija, pomoću fotografija noćnog neba napravljenih kamerom za tamnu energiju od 570 megapiksela, jednom od najmoćnijih digitalnih kamera na svetu, tokom šest godina, od 2013. do 2019. Ta kamera, čiji optički korektor je napravljen na Londonskom univerzitetskom koledžu, postavljena je na teleskop u Interameričkoj opservatoriji Sero Tololo u Čileu.

(Telegraf Nauka/UCL)