Grupa znanstvenika možda je naišla na radikalno novi način proučavanja kozmologije.
Kozmolozi obično određuju sastav svemira promatrajući što više njegovih dijelova. Ali ovi su istraživači otkrili da algoritam strojnog učenja može pomno ispitati jednu modeliranu galaksiju i predvidjeti cjelokupni sastav digitalnog svemira u kojem ona postoji – slično analizi nasumičnog zrnca pijeska pod mikroskopom i određivanju mase Euroazije. Čini se da su strojevi otkrili obrazac koji bi u budućnosti mogao omogućiti astronomima da donose velike zaključke o stvarnom kozmosu jednostavnim proučavanjem elementarnih građevnih blokova.
“Ovo je potpuno drugačija ideja. Umjesto da mjerite te milijune galaksija, možete uzeti samo jednu. Iznenađujuće je da funkcionira", rekao je Francisco Villaescuza-Navarro, teorijski astrofizičar s Instituta Flatiron u New Yorku i glavni autor rada.
Ovo se nije smjelo dogoditi. Nevjerojatno otkriće proizašlo je iz vježbe koju je Vilaescuza-Navarro dala Jupiteru Deanu, studentu na Sveučilištu Princeton: izgraditi neuronsku mrežu koja bi, s obzirom na svojstva galaksije, mogla procijeniti nekoliko kozmoloških atributa. Izazov je bio jednostavno upoznati Deana sa strojnim učenjem. Tada su primijetili da računalo računa ukupnu gustoću materije. "Mislila sam da je učenik pogriješio", rekla je Villaescuza-Navarro. – Bilo mi je malo teško povjerovati, da budem iskren.
Istraživači su analizirali 2000 digitalnih svemira stvorenih u sklopu projekta Kozmologija i astrofizika s modeliranjem strojnog učenja (CAMELS). Ti su svemiri varirali u sastavu od 10% do 50% materije, dok je ostatak činila tamna energija, što uzrokuje sve brže širenje svemira (naš stvarni kozmos sastoji se od otprilike jedne trećine tamne i vidljive materije i dvije trećine tamne energije). . Kako je simulacija napredovala, tamna tvar i vidljiva tvar spojile su se u galaksije. Simulacije su također uključivale grubu obradu složenih fenomena kao što su supernove i izbacivanje iz supermasivnih crnih rupa.
Deanova neuronska mreža proučavala je gotovo milijun simuliranih galaksija u tim različitim digitalnim svemirima. Iz svoje božanske perspektive, znao je veličinu, sastav, masu i više od desetak drugih karakteristika svake galaksije. Nastojao je povezati ovaj popis brojeva s gustoćom materije u matičnom svemiru.
Uspjelo je. Kada je testirana na tisućama novih galaksija iz desetaka svemira koje prethodno nije istraživala, neuronska mreža uspjela je predvidjeti gustoću kozmičke materije s točnošću od 10%. "Nije važno u koju galaksiju gledate, nitko nije mislio da bi to bilo moguće", rekla je Villaescuza-Navarro.
Također zanimljivo:
- Space Entertainment Enterprise pokrenut će studio za svemirske filmove 2024
- Amazon Alexa bit će NASA-in digitalni asistent na svemirskoj misiji Artemis I
Izvedba algoritma zadivila je istraživače jer su galaksije same po sebi kaotični objekti. Neki nastaju odjednom, dok drugi rastu jedući svoje susjede. Divovske galaksije nastoje zadržati svoju materiju, dok supernove i crne rupe u patuljastim galaksijama mogu izbaciti većinu svoje vidljive materije.
Jedno od tumačenja je da su "Svemir i/ili galaksije nekako puno jednostavniji nego što smo zamišljali." Tim je proveo šest mjeseci pokušavajući shvatiti kako je neuronska mreža postala tako mudra. Provjerili su da algoritam nije samo pronašao neki način da izvede gustoću iz simulacijskog koda, a ne iz samih galaksija. Kroz niz eksperimenata, istraživači su shvatili kako algoritam određuje kozmičku gustoću. Uzastopno prekvalificirajući mrežu, sustavno skrivajući različita galaktička svojstva, usredotočili su se na najvažnije atribute.
Neuronska mreža otkrila je mnogo precizniji i složeniji odnos između približno 17 galaktičkih svojstava i gustoće materije. Ova veza postoji unatoč galaktičkim spajanjima, eksplozijama zvijezda i erupcijama crnih rupa.
Studija sugerira da bi, u teoriji, sveobuhvatna studija Mliječne staze i možda nekoliko drugih obližnjih galaksija mogla omogućiti iznimno precizno mjerenje materije u našem svemiru. Takav eksperiment, rekao je Villaescuz-Navarro, mogao bi dati tragove drugim brojevima od kozmičkog značaja, kao što je zbroj nepoznatih masa tri vrste neutrina u svemiru.
Istraživači radujte se što je neuronska mreža uspjela pronaći uzorke u neurednim galaksijama dviju neovisnih simulacija. Digitalno otkriće otvara mogućnost da stvarni kozmos krije sličnu vezu između velikog i malog.
Ovo je jako dobra stvar. Uspostavlja vezu između cijelog svemira i jedne galaksije.
Pročitajte također:
- Astronomi su otkrili novu klasu galaktičkih maglica
- Znanstvenici po prvi put potvrđuju ekscentrično spajanje crnih rupa