Każda pojedyncza galaktyka ujawnia skład całego wszechświata

0
111

Grupa naukowcy mogli natknąć się na radykalnie nowy sposób uprawiania kosmologii.

Kosmolodzy zwykle określają skład wszechświata, obserwując go jak najwięcej. Jednak badacze ci odkryli, że algorytm uczenia maszynowego może zbadać pojedynczą symulowaną galaktykę i przewidzieć ogólny skład cyfrowego wszechświata, w którym ona istnieje — wyczyn analogiczny do analizy losowego ziarna piasku pod mikroskopem i obliczenia masy Eurazji. . Wygląda na to, że maszyny znalazły wzór, który pewnego dnia może pozwolić astronomom na wyciąganie daleko idących wniosków na temat prawdziwego kosmosu jedynie poprzez badanie jego elementarnych elementów budulcowych.

„To zupełnie inny pomysł”, powiedział Francisco Villaescusa-Navarro, astrofizyk teoretyczny z Flatiron Institute w Nowym Jorku i główny autor pracy. „Zamiast mierzyć te miliony galaktyk, możesz po prostu wziąć jedną. To naprawdę niesamowite, że to działa”.

Nie powinno. Nieprawdopodobne znalezisko wyrosło z ćwiczenia, które Villaescusa-Navarro wykonał dla Jupitera Dinga, studenta Uniwersytetu Princeton: Zbuduj sieć neuronową, która znając właściwości galaktyki, może oszacować kilka kosmologicznych atrybutów. Zadanie miało na celu jedynie zapoznanie Dinga z uczeniem maszynowym. Potem zauważyli, że komputer ustala całkowitą gęstość materii.

„Myślałem, że uczeń popełnił błąd”, powiedział Villaescusa-Navarro. „Szczerze mówiąc, było mi trochę trudno uwierzyć”.

Wyniki śledztwa, które nastąpiło później, pojawiły się w przeddruku z 6 stycznia, który został przesłany do publikacji. Naukowcy przeanalizowali 2000 cyfrowych wszechświatów wygenerowanych w ramach projektu Kosmologia i Astrofizyka z symulacjami uczenia maszynowego (CAMELS). Te wszechświaty miały różne składy, zawierające od 10 do 50 procent materii, a resztę stanowiła ciemna energia, która napędza wszechświat do coraz szybszego rozszerzania się. (Nasz rzeczywisty kosmos składa się z około jednej trzeciej ciemnej i widzialnej materii oraz dwóch trzecich ciemnej energii.) W trakcie symulacji ciemna materia i widzialna materia wirowały razem w galaktyki. Symulacje obejmowały również surowe traktowanie skomplikowanych zdarzeń, takich jak supernowe i dżety, które wybuchają z supermasywnych czarnych dziur.

Sieć neuronowa Dinga zbadała prawie milion symulowanych galaktyk w tych różnorodnych cyfrowych wszechświatach. Ze swojej boskiej perspektywy znał rozmiar, skład, masę i ponad tuzin innych cech każdej galaktyki. Starali się powiązać tę listę liczb z gęstością materii we wszechświecie macierzystym.

Udało się. Podczas testów na tysiącach świeżych galaktyk z dziesiątek wszechświatów, których wcześniej nie badano, sieć neuronowa była w stanie przewidzieć kosmiczną gęstość materii z dokładnością do 10 procent. „Nie ma znaczenia, którą galaktykę rozważasz”, powiedział Villaescusa-Navarro. „Nikt nie wyobrażał sobie, że będzie to możliwe”.

„Ta jedna galaktyka może dostać [the density to] Około 10 procent, to było dla mnie bardzo zaskakujące” – powiedział Volker Springel, ekspert w symulowaniu powstawania galaktyk w Instytucie Astrofizyki Maxa Plancka, który nie był zaangażowany w badania.

Wydajność algorytmu zaskoczyła badaczy, ponieważ galaktyki są z natury obiektami chaotycznymi. Niektóre tworzą wszystko za jednym razem, a inne rosną, jedząc sąsiadów. Olbrzymie galaktyki mają tendencję do utrzymywania swojej materii, podczas gdy supernowe i czarne dziury w galaktykach karłowatych mogą wyrzucać większość widocznej materii. Mimo to, każdej galaktyce udało się w jakiś sposób utrzymać ścisłe oko na ogólną gęstość materii we wszechświecie.

Jedna z interpretacji mówi, że „wszechświat i/lub galaktyki są pod pewnymi względami znacznie prostsze, niż sobie wyobrażaliśmy” – powiedziała Pauline Barmby, astronom z Western University w Ontario. Innym jest to, że symulacje mają nierozpoznane wady.

ZOSTAW ODPOWIEDŹ

Proszę wpisać swój komentarz!
Proszę podać swoje imię tutaj