Grupa naučnika možda je naišla na radikalno novi način proučavanja kosmologije.
Kosmolozi obično određuju sastav svemira posmatrajući što je više moguće njegovih dijelova. Ali ovi istraživači su otkrili da algoritam za strojno učenje može ispitati jednu modeliranu galaksiju i predvidjeti cjelokupni sastav digitalnog svemira u kojem ona postoji – slično analizi slučajnog zrna pijeska pod mikroskopom i određivanju mase Evroazije. Čini se da su mašine otkrile obrazac koji bi u budućnosti mogao omogućiti astronomima da donose velike zaključke o stvarnom kosmosu jednostavnim proučavanjem elementarnih građevnih blokova.
„Ovo je potpuno drugačija ideja. Umjesto mjerenja tih miliona galaksija, možete uzeti samo jednu. Iznenađujuće je da radi", rekao je Francisco Villaescuza-Navarro, teorijski astrofizičar sa Flatiron instituta u New Yorku i glavni autor rada.
Ovo nije trebalo da se desi. Nevjerovatno otkriće proizašlo je iz vježbe koju je Vilaescuza-Navarro dao Jupiteru Deanu, studentu Univerziteta Princeton: da izgradi neuronsku mrežu koja bi, s obzirom na svojstva galaksije, mogla procijeniti nekoliko kosmoloških atributa. Izazov je bio jednostavno upoznati Deana sa mašinskim učenjem. Tada su primijetili da kompjuter izračunava ukupnu gustinu materije. "Mislio sam da je student napravio grešku," rekao je Villaescuza-Navarro. "Bilo mi je malo teško povjerovati, da budem iskren."
Istraživači su analizirali 2000 digitalnih univerzuma stvorenih u sklopu projekta kosmologija i astrofizika uz modeliranje mašinskog učenja (CAMELS). Ovi univerzumi su varirali u sastavu od 10% do 50% materije, a ostatak je tamna energija, što uzrokuje da se svemir širi sve brže i brže (Naš pravi kosmos je oko jedne trećine tamne i vidljive materije i dvije trećine tamne energije) . Kako je simulacija napredovala, tamna i vidljiva materija su se spojile u galaksije. Simulacije su takođe uključivale grubi tretman složenih fenomena kao što su supernove i izbacivanje iz supermasivnih crnih rupa.
Deanova neuronska mreža proučavala je skoro milion simuliranih galaksija u ovim različitim digitalnim svemirima. Iz svoje božanske perspektive, znao je veličinu, sastav, masu svake galaksije i više od deset drugih karakteristika. On je pokušao da poveže ovu listu brojeva sa gustinom materije u matičnom univerzumu.
To je uspjelo. Kada je testirana na hiljadama novih galaksija iz desetina univerzuma koje ranije nije istraživala, neuronska mreža je bila u stanju da predvidi gustinu kosmičke materije sa tačnošću od 10%. "Nije važno koju galaksiju gledate, niko nije mislio da će to biti moguće", rekao je Villaescuza-Navarro.
Također zanimljivo:
- Space Entertainment Enterprise će pokrenuti studio za svemirski film 2024
- Amazon Alexa će biti NASA-in digitalni asistent u svemirskoj misiji Artemis I
Učinak algoritma zadivio je istraživače jer su galaksije inherentno haotični objekti. Neki se formiraju odjednom, dok drugi rastu jedući svoje susjede. Divovske galaksije imaju tendenciju da zadrže svoju materiju, dok supernove i crne rupe u patuljastim galaksijama mogu izbaciti većinu svoje vidljive materije.
Jedno tumačenje je da su "Univerzum i/ili galaksije nekako mnogo jednostavniji nego što smo zamišljali." Tim je proveo šest mjeseci pokušavajući da shvati kako je neuronska mreža postala toliko mudra. Provjerili su da algoritam nije samo pronašao neki način da izvede gustinu iz simulacijskog koda, a ne iz samih galaksija. Kroz niz eksperimenata, istraživači su shvatili kako algoritam određuje kosmičku gustinu. Uzastopno preobučavajući mrežu, sistematski skrivajući različita galaktička svojstva, fokusirali su se na najvažnije atribute.
Neuronska mreža je otkrila mnogo precizniji i složeniji odnos između otprilike 17 galaktičkih svojstava i gustine materije. Ova veza opstaje uprkos galaktičkim spajanjima, eksplozijama zvijezda i erupcijama crnih rupa.
Studija sugerira da bi, u teoriji, sveobuhvatno proučavanje Mliječnog puta i možda nekoliko drugih obližnjih galaksija moglo omogućiti izuzetno precizno mjerenje materije u našem svemiru. Takav eksperiment, rekao je Villaescuz-Navarro, mogao bi pružiti tragove za druge brojeve od kosmičkog značaja, kao što je zbir nepoznatih masa tri tipa neutrina u svemiru.
Istraživači raduj se što je neuronska mreža uspjela pronaći obrasce u neurednim galaksijama dvije nezavisne simulacije. Digitalno otkriće otvara mogućnost da stvarni kosmos može imati sličnu vezu između velikog i malog.
Ovo je veoma dobra stvar. Uspostavlja vezu između čitavog svemira i jedne galaksije.
Pročitajte također:
- Astronomi su otkrili novu klasu galaktičkih maglina
- Naučnici po prvi put potvrđuju ekscentrično spajanje crnih rupa