Изкуственият интелект разкрива тайните на тъмната енергия в пионерско изследване

Проучването на тъмната енергия подобри нашето разбиране за Вселената, удвои точността на измерванията на тъмната енергия чрез изкуствен интелект и симулационни техники и предостави представа за структурата на Вселената и потенциалната необходимост от нови космологични модели. Кредит: SciTechDaily.com

Изследователски екип, ръководен от UCL, е използвал техники за изкуствен интелект (AI), за да направи по-точно заключение за влиянието и свойствата на тъмната енергия от карта на тъмната и видимата материя във Вселената, обхващаща последните седем милиарда години.

Проучването, проведено от Dark Energy Survey Project, удвои разделителната способност, с която ключови свойства на Вселената, включително общата плътност на тъмната енергия, могат да бъдат изведени от картата.

Тази увеличена разделителна способност позволява на изследователите да изключат модели на Вселената, които преди са били възможни.

Напредък в космическото разбиране

Тъмната енергия е мистериозната сила, ускоряваща разширяването на Вселената и се смята, че съставлява около 70% от съдържанието на Вселената (с тъмна материя, невидимото нещо, чиято гравитация привлича галактиките, съставляваща 25%, а обикновената материя само 5% ). ).

Водещият автор д-р Найл Джефри (Физика и астрономия на UCLA) каза: „Като използваме изкуствен интелект, за да се учим от компютърно симулирани вселени, ние увеличихме точността на нашите оценки на ключови свойства на Вселената с коефициент два.

„За да постигнем това подобрение без тези нови техники, ще имаме нужда от четири пъти повече данни. Това би било еквивалентно на картографиране на други 300 милиона галактики.“

Съавторът д-р Лорн Уайтуей (Физика и астрономия на UCLA) каза: „Нашите констатации са в съответствие с най-добрата текуща прогноза за тъмната енергия като „космологична константа“, чиято стойност не се променя с пространството или времето. Въпреки това, той също така позволява гъвкавост за валидно различно тълкуване. Например, нашата теория за гравитацията все още може да е грешна.

Картата на материята е извлечена от една от симулираните вселени. По-светлите области на картата показват области, където тъмната материя е по-плътна. Те съответстват на суперкупове от галактики. Тъмните, почти черни петна са космически празнини, големи празни пространства между галактически купове. Кредит: Найл Джефри и др

Подобряване на космологичните модели

В съответствие с предишен анализ на картата на изследването на тъмната енергия, публикувана за първи път през 2021 г., резултатите предполагат, че материята във Вселената е разпределена по-плавно – по-малко натрупана – отколкото прогнозира теорията на Айнщайн за общата теория на относителността. Въпреки това, несъответствието е по-малко значимо за това проучване, отколкото за предишния анализ, където лентите за грешки са по-големи.

Картата на Dark Energy Survey е получена чрез метод, наречен слаби гравитационни лещи, т.е. виждане как светлината от далечни галактики се огъва от гравитацията на намесваща се материя по пътя си към Земята.

Сътрудничеството анализира изкривяванията във формите на 100 милиона галактики, за да заключи разпределението на цялата материя, тъмна и видима, на преден план на тези галактики. Получената карта покрива една четвърт от небето в южното полукълбо.

В новото проучване изследователите са използвали суперкомпютри, финансирани от британското правителство, за да извършат симулации на различни вселени въз основа на данни от картата на материята на Dark Energy Survey. Всяка симулация имаше различен математически модел на Вселената, който я поддържаше.

Изследователите създадоха карти на материята от всяка от тези симулации. а Машинно обучение Моделът е използван за извличане на информация в тези карти, която е от значение за космологичните модели. Втори инструмент за машинно обучение, който се учи от многобройни примери за вселени, симулирани от различни космологични модели, разглежда реалните наблюдавани данни и дава вероятностите, че всеки космологичен модел е истинският модел на нашата вселена.

Тази нова техника позволи на изследователите да използват много повече информация от картите, отколкото беше възможно с предишния метод.

Симулациите бяха извършени в съоръжението DiRAC High Performance Computing (HPC), финансирано от Съвета за научни и технологични съоръжения на Обединеното кралство (STFC).

Бъдещи изследвания в космологията

Следващата фаза от проекти за тъмна вселена – включително мисията Euclid на Европейската космическа агенция (ESA), която стартира миналото лято – драстично ще увеличи количеството данни, които имаме за широкомащабните структури на Вселената, помагайки на изследователите да определят дали… Неочакваната гладкост на Вселената е допринесла за увеличаването на размера на тъмната вселена. Ентропията е знак, че настоящите космологични модели са грешни или има друго обяснение за това.

Понастоящем тази гладкост е в противоречие с това, което би било предвидено въз основа на анализ на космическия микровълнов фон (CMB) – остатъчна светлина от Вселената. голямата експлозия.

Националната ускорителна лаборатория Fermi (Fermilab) на Министерството на енергетиката на САЩ е домакин на Collaboration Survey Dark Energy, на който UCL е член-учредител, и включва повече от 400 учени от 25 институции в седем държави.

Това сътрудничество доведе до каталогизирането на стотици милиони галактики, като се използват изображения на нощното небе, направени от 570-мегапикселовата Dark Energy Camera, една от най-мощните цифрови камери в света, за период от шест години (от 2013 до 2019 г.). Камерата, чийто оптичен коректор е произведен в Калифорнийския университет, е монтирана на телескоп в Междуамериканската обсерватория Cerro Tololo в Чили на Националната научна фондация.

Справка: „Резултати от изследването на тъмната енергия за 3 година: Базирано на симулация безвероятностно wCDM заключение с невронна компресия за статистика на картата на слаби лещи“ от Н. Джефри, Л. Уайтуей, М. Гати, Дж. Уилямсън, Дж. Алсинг, А. Porredon, J. Prat, C. Doux, B. Jain, C. Chang, T.-Y. Ченг, Т. Качпрзак, П. Лемос, А. Аларкон, А. Амон, К. Бехтол, М. Р. Бекер, Дж. М. Бърнщайн, А. Кампос, А. Карнейро-Ръсел, Р. Чен, А. Чой, Дж. Де Розе, А. 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 , Ravery, R.B.Rollins, E.S.Raikov, C. Санчес, Л. Ф. Секо, И. Севиля Ноарбе, Е. Шелдън, Т. Шен, М. А. Троксел, И. Тотосос, Т. Н. Варга, П. Яни, Б. Ин, Дж. Зонц, М. Агина, С. С. Алам и О. Алвес, Д. Бейкън, С. Буке, Д. Брукс, Л. Н. да Коста, Т. М. Дейвис, Г. Д. Висенте, С. Десаи, Х. Т. Диел, И. Фереро, Дж. Фрийман, Дж. Гарсия Белидо, Е. Газтанага, Г. Джанини, Г. Гутиерес, С. Мина Фернандес, Р. Микел, А. Пирес, А.А. Плаза Малагон, А. Родман, М. Сако, Е. Санчес, Д. Санчес Сид, М. Смит, Е. Сучета, M. E. C. Суонсън, Дж. Тарли, Д. Л. Тъкър, Н. Уевърдайк, Дж. Уилър, Б. Вайсман и М. Ямамото, 4 март 2024 г., Негалактическа космология и астрофизика.
arXiv: 2403.02314