Група научници можеби наишле на радикално нов начин за проучување на космологијата.
Космолозите обично го одредуваат составот на универзумот набљудувајќи што е можно повеќе делови од него. Но, овие истражувачи открија дека алгоритам за машинско учење може детално да испита една моделирана галаксија и да го предвиди целокупниот состав на дигиталниот универзум во кој таа постои - слично на анализа на случајно зрно песок под микроскоп и одредување на масата на Евроазија. Се чини дека машините откриле шема која во иднина може да им овозможи на астрономите да прават големи заклучоци за вистинскиот космос едноставно со проучување на елементарните градежни блокови.
„Ова е сосема друга идеја. Наместо да ги измерите тие милиони галаксии, можете само да земете една. Изненадувачки е што функционира“, вели Франциско Вилаескуза-Наваро, теоретски астрофизичар од Институтот Флатирон во Њујорк и главен автор на трудот.
Ова не требаше да се случи. Неверојатното откритие произлезе од вежбата што Вилаескуза-Наваро ја даде на Јупитер Дин, студент на Универзитетот Принстон: да изгради невронска мрежа која, со оглед на својствата на галаксијата, може да процени неколку космолошки атрибути. Предизвикот беше едноставно да се запознае Дин со машинското учење. Потоа забележале дека компјутерот ја пресметува вкупната густина на материјата. „Мислев дека студентот направи грешка“, рече Вилаескуза-Наваро. „Ми беше малку тешко да поверувам, да бидам искрен.
Истражувачите анализирале 2000 дигитални универзуми создадени како дел од проектот Космологија и астрофизика со моделирање на машинско учење (CAMELS). Овие универзуми варираат во составот од 10% до 50% материја, а остатокот е темна енергија, што предизвикува универзумот да се шири побрзо и побрзо (Нашиот вистински космос е околу една третина темна и видлива материја и две третини темна енергија ) . Како што напредуваше симулацијата, темната материја и видливата материја се споија во галаксии. Симулациите вклучија и груб третман на сложени феномени како што се супернови и исфрлање од супермасивни црни дупки.
Невралната мрежа на Дин проучувала речиси 1 милион симулирани галаксии во овие различни дигитални универзуми. Од неговата божја перспектива, тој ја знаел големината, составот, масата на секоја галаксија и повеќе од десетина други карактеристики. Тој се обиде да ја поврзе оваа листа на броеви со густината на материјата во матичниот универзум.
Тоа успеа. Кога беше тестирана на илјадници нови галаксии од десетици универзуми што претходно не ги истражуваше, невронската мрежа беше во можност да ја предвиди густината на космичката материја со точност од 10%. „Не е важно во која галаксија гледате, никој не мислеше дека тоа воопшто ќе биде можно“, рече Вилаескуза-Наваро.
Исто така интересно:
- Space Entertainment Enterprise ќе лансира вселенско филмско студио во 2024 година
- Амазон Алекса ќе биде дигитален асистент на НАСА во вселенската мисија Артемида I
Изведбата на алгоритмот ги воодушеви истражувачите бидејќи галаксиите се инхерентно хаотични објекти. Некои се формираат одеднаш, додека други растат јадејќи ги своите соседи. Гигантските галаксии имаат тенденција да ја задржат својата материја, додека суперновите и црните дупки во џуџестите галаксии можат да исфрлат поголем дел од нивната видлива материја.
Едно толкување е дека „Универзумот и/или галаксиите се некако многу поедноставни отколку што замислувавме“. Тимот помина шест месеци обидувајќи се да разбере како невронската мрежа станала толку мудра. Тие проверуваа за да се уверат дека алгоритмот не нашол начин да ја изведе густината од кодот за симулација, а не од самите галаксии. Преку серија експерименти, истражувачите разбраа како алгоритмот ја одредува космичката густина. Со постојано преквалификација на мрежата, систематски криејќи различни галактички својства, тие се фокусираа на најважните атрибути.
Невронската мрежа откри многу попрецизна и сложена врска помеѓу приближно 17 галактички својства и густината на материјата. Оваа врска опстојува и покрај галактичките спојувања, ѕвездените експлозии и ерупциите на црните дупки.
Студијата сугерира дека, теоретски, сеопфатното истражување на Млечниот Пат и можеби неколку други блиски галаксии би можело да овозможи исклучително прецизно мерење на материјата во нашиот универзум. Ваквиот експеримент, рече Вилаескуз-Наваро, може да даде индиции за други броеви од космичко значење, како што е збирот на непознатите маси на трите типа неутрина во универзумот.
Истражувачите радувај се што невронската мрежа успеа да најде обрасци во неуредните галаксии на две независни симулации. Дигиталното откритие ја зголемува можноста вистинскиот космос да има слична врска помеѓу големото и малото.
Ова е многу добра работа. Таа воспоставува врска помеѓу целиот универзум и една галаксија.
Прочитајте исто така:
- Астрономите открија нова класа на галактички маглини
- Научниците за прв пат го потврдија ексцентричното спојување на црните дупки