Skupina znanstvenikov je morda naletela na radikalno nov način preučevanja kozmologije.
Kozmologi običajno določijo sestavo vesolja tako, da opazujejo čim več njegovih delov. Toda ti raziskovalci so ugotovili, da lahko algoritem strojnega učenja natančno preuči posamezno modelirano galaksijo in napove celotno sestavo digitalnega vesolja, v katerem obstaja – podobno kot bi analizirali naključno zrno peska pod mikroskopom in določili maso Evrazije. Zdi se, da so stroji odkrili vzorec, ki bo astronomom v prihodnosti morda omogočil obsežne sklepe o resničnem vesolju preprosto s preučevanjem elementarnih gradnikov.
»To je povsem druga ideja. Namesto da bi merili te milijone galaksij, lahko vzamete le eno. Presenetljivo je, da deluje," je dejal Francisco Villaescuza-Navarro, teoretični astrofizik na inštitutu Flatiron v New Yorku in glavni avtor prispevka.
To se ne bi smelo zgoditi. Neverjetno odkritje je zraslo iz vaje, ki jo je Vilaescuza-Navarro dal Jupitru Deanu, študentu na Univerzi Princeton: zgraditi nevronsko mrežo, ki bi glede na lastnosti galaksije lahko ocenila nekaj kozmoloških lastnosti. Izziv je bil preprosto predstaviti Deanu strojno učenje. Nato so opazili, da računalnik izračunava skupno gostoto snovi. "Mislil sem, da je študent naredil napako," je dejal Villaescuza-Navarro. "Malo težko mi je bilo verjeti, če sem iskren."
Raziskovalci so analizirali 2000 digitalnih vesolj, ustvarjenih v okviru projekta Kozmologija in astrofizika z modeliranjem strojnega učenja (CAMELS). Ta vesolja so sestavljala od 10 % do 50 % materije, preostanek pa je bila temna energija, zaradi katere se vesolje vedno hitreje širi (naš pravi kozmos je približno ena tretjina temne in vidne snovi ter dve tretjini temne energije). . Ko je simulacija napredovala, sta se temna snov in vidna snov združili v galaksiji. Simulacije so vključevale tudi grobo obravnavo kompleksnih pojavov, kot so supernove in izbruhi iz supermasivnih črnih lukenj.
Deanova nevronska mreža je preučevala skoraj 1 milijon simuliranih galaksij v teh različnih digitalnih vesoljih. Iz svoje božanske perspektive je poznal velikost, sestavo, maso in več kot ducat drugih značilnosti vsake galaksije. Skušal je povezati ta seznam števil z gostoto snovi v matičnem vesolju.
Uspelo je. Pri testiranju na tisočih novih galaksijah iz desetin vesolj, ki jih prej ni raziskovala, je nevronska mreža lahko napovedala gostoto kozmične snovi z 10-odstotno natančnostjo. "Ni pomembno, katero galaksijo gledate, nihče si ni mislil, da bi bilo to sploh mogoče," je dejal Villaescuza-Navarro.
Zanimivo tudi:
- Space Entertainment Enterprise bo leta 2024 odprl vesoljski filmski studio
- Amazon Alexa bo Nasin digitalni pomočnik na vesoljski misiji Artemis I
Delovanje algoritma je presenetilo raziskovalce, ker so galaksije same po sebi kaotični objekti. Nekateri nastanejo naenkrat, drugi pa zrastejo tako, da pojedo svoje sosede. Velikanske galaksije ponavadi zadržijo svojo snov, medtem ko lahko supernove in črne luknje v pritlikavih galaksijah izvržejo večino svoje vidne snovi.
Ena od razlag je, da so "vesolje in/ali galaksije nekako veliko preprostejše, kot smo si predstavljali." Ekipa je šest mesecev poskušala razumeti, kako je nevronska mreža postala tako modra. Preverili so, ali algoritem ni le našel nekega načina za izpeljavo gostote iz simulacijske kode in ne iz samih galaksij. S serijo poskusov so raziskovalci razumeli, kako algoritem določa kozmično gostoto. Z večkratnim prešolanjem omrežja, sistematičnim skrivanjem različnih galaktičnih lastnosti, so se osredotočili na najpomembnejše atribute.
Nevronska mreža je razkrila veliko bolj natančno in kompleksno razmerje med približno 17 galaktičnimi lastnostmi in gostoto snovi. Ta povezava ostaja kljub galaktičnim združitvam, eksplozijam zvezd in izbruhom črnih lukenj.
Študija nakazuje, da bi teoretično celovita študija Mlečne ceste in morda nekaj drugih bližnjih galaksij lahko omogočila izjemno natančno merjenje snovi v našem vesolju. Tak poskus, je dejal Villaescuz-Navarro, bi lahko zagotovil namige za druge številke kozmičnega pomena, kot je vsota neznanih mas treh vrst nevtrinov v vesolju.
Raziskovalci veselite se, da je nevronska mreža lahko našla vzorce v neurejenih galaksijah dveh neodvisnih simulacij. Digitalno odkritje odpira možnost, da lahko resnično vesolje skriva podobno povezavo med velikim in majhnim.
To je zelo dobra stvar. Vzpostavi povezavo med celotnim vesoljem in eno galaksijo.
Preberite tudi:
- Astronomi so odkrili nov razred galaktičnih meglic
- Znanstveniki prvič potrjujejo ekscentrično zlitje črnih lukenj