Група учени може да са се натъкнали на радикално нов начин за изучаване на космологията.
Космолозите обикновено определят състава на Вселената, като наблюдават възможно най-много части от нея. Но тези изследователи откриха, че алгоритъм за машинно обучение може да изследва внимателно една моделирана галактика и да предскаже цялостния състав на дигиталната вселена, в която тя съществува – подобно на анализирането на произволна песъчинка под микроскоп и определянето на масата на Евразия. Изглежда, че машините са открили модел, който в бъдеще може да позволи на астрономите да правят мащабни изводи за истинския космос просто чрез изучаване на елементарните градивни елементи.
„Това е съвсем различна идея. Вместо да измервате тези милиони галактики, можете просто да вземете една. Изненадващо е, че работи", каза Франсиско Вилаескуза-Наваро, теоретичен астрофизик в института Флатирон в Ню Йорк и водещ автор на статията.
Това не трябваше да се случва. Невероятното откритие произтича от упражнение, което Вилаескуза-Наваро даде на Юпитер Дийн, студент от Принстънския университет: да изгради невронна мрежа, която, като се имат предвид свойствата на една галактика, може да оцени няколко космологични атрибута. Предизвикателството беше просто да запозная Дийн с машинното обучение. Тогава те забелязаха, че компютърът изчислява общата плътност на материята. „Мислех, че студентът е направил грешка“, каза Вилаескуза-Наваро. „Беше ми малко трудно да повярвам, честно казано.
Изследователите са анализирали 2000 цифрови вселени, създадени като част от проекта Космология и астрофизика с моделиране на машинно обучение (CAMELS). Тези вселени варират по състав от 10% до 50% материя, като останалото е тъмна енергия, което кара вселената да се разширява все по-бързо и по-бързо (нашият реален космос е около една трета от тъмна и видима материя и две трети от тъмна енергия) . С напредването на симулацията тъмната и видимата материя се сляха в галактики. Симулациите също така включват грубо третиране на сложни явления като свръхнови и изхвърляния от свръхмасивни черни дупки.
Невронната мрежа на Дийн изследва близо 1 милион симулирани галактики в тези различни цифрови вселени. От своята божествена перспектива той знаеше размера, състава, масата и повече от дузина други характеристики на всяка галактика. Той се опита да свърже този списък от числа с плътността на материята в родителската вселена.
Успя. При тестване върху хиляди нови галактики от десетки вселени, които не е изследвала преди, невронната мрежа успя да предскаже плътността на космическата материя с точност от 10%. „Няма значение каква галактика гледате, никой не е предполагал, че това дори е възможно“, каза Вилаескуза-Наваро.
Също интересно:
- Space Entertainment Enterprise ще стартира студио за космически филми през 2024 г
- Amazon Alexa ще бъде цифровият асистент на НАСА в космическата мисия Artemis I
Изпълнението на алгоритъма удиви изследователите, тъй като галактиките по своята същност са хаотични обекти. Някои се образуват наведнъж, докато други растат, като ядат своите съседи. Гигантските галактики са склонни да запазят материята си, докато свръхновите и черните дупки в галактиките джуджета могат да изхвърлят по-голямата част от видимата си материя.
Едно от тълкуванията е, че „Вселената и/или галактиките са някак много по-прости, отколкото сме си представяли“. Екипът прекара шест месеца, опитвайки се да разбере как невронната мрежа е станала толкова мъдра. Те провериха, за да се уверят, че алгоритъмът не е намерил някакъв начин да извлече плътността от симулационния код, а не от самите галактики. Чрез поредица от експерименти изследователите разбраха как алгоритъмът определя космическата плътност. Чрез многократно преобучение на мрежата, систематично скриване на различни галактически свойства, те се фокусираха върху най-важните атрибути.
Невронната мрежа разкрива много по-прецизна и сложна връзка между приблизително 17 галактически свойства и плътността на материята. Тази връзка продължава въпреки галактическите сливания, експлозии на звезди и изригвания на черни дупки.
Проучването предполага, че на теория цялостно изследване на Млечния път и може би няколко други близки галактики би могло да позволи изключително прецизно измерване на материята в нашата вселена. Подобен експеримент, каза Вилаескуз-Наваро, би могъл да предостави улики за други числа с космическо значение, като например сумата от неизвестните маси на трите вида неутрино във Вселената.
Изследователи радвайте се, че невронната мрежа успя да намери модели в разхвърляните галактики на две независими симулации. Цифровото откритие повдига възможността реалният космос да крие подобна връзка между голямото и малкото.
Това е много хубаво нещо. Той установява връзка между цялата вселена и една галактика.
Прочетете също:
- Астрономите откриха нов клас галактически мъглявини
- Учените за първи път потвърждават ексцентричното сливане на черни дупки