Група вчених, можливо, натрапила на радикально новий спосіб вивчення космології.
Космологи зазвичай визначають склад Всесвіту, спостерігаючи якнайбільше його частин. Але ці дослідники виявили, що алгоритм машинного навчання може ретельно вивчити одну змодельовану галактику і передбачити загальний склад цифрового Всесвіту, в якому він існує – це аналогічно аналізу випадкової піщинки під мікроскопом та визначенню маси Євразії. Схоже, що машини виявили закономірність, яка в майбутньому може дозволити астрономам робити масштабні висновки про реальний космос, просто вивчаючи елементарні будівельні блоки.
«Це зовсім інша ідея. Замість того, щоб вимірювати ці мільйони галактик, ви можете просто взяти одну. Дивно, що це працює», – сказав Франсіско Вілаєскуза-Наварро, астрофізик-теоретик з Інституту Флетайрон у Нью-Йорку та провідний автор роботи.
Цього не мало бути. Неймовірна знахідка виросла з вправи, яку Вілаєскуза-Наварро дав Юпітеру Діну, студенту Прінстонського університету: побудувати нейронну мережу, яка знаючи властивості галактики, може оцінити пару космологічних атрибутів. Завдання призначалося просто для того, щоб познайомити Діна із машинним навчанням. Потім вони помітили, що комп’ютер підраховував загальну щільність матерії. «Я думав, що студент зробив помилку, – сказав Вілаєскуза-Наварро. – Мені було трохи важко повірити, якщо чесно».
Дослідники проаналізували 2000 цифрових всесвітів, створених у рамках проєкту «Космологія та астрофізика з моделюванням машинного навчання» (CAMELS). Ці всесвіти мали різний склад: від 10% до 50% матерії, а решта складалася з темної енергії, яка змушує Всесвіт розширюватися все швидше та швидше (Наш справжній космос приблизно на одну третину складається з темної та видимої матерії та на дві третини з темної енергії). У міру виконання моделювання темна матерія та видима матерія зливались у галактики. Моделювання також включало грубу обробку складних явищ, таких як наднові зірки і викиди надмасивних чорних дір.
Нейронна мережа Діна вивчила майже 1 млн змодельованих галактик у цих різноманітних цифрових всесвітах. Зі своєї богоподібної перспективи він знав розмір, склад, масу кожної галактики і більше дюжини інших характеристик. Він прагнув пов’язати цей список чисел із щільністю матерії у батьківському Всесвіті.
Це вдалося. При тестуванні на тисячах нових галактик із десятків всесвітів, які вона раніше не досліджувала, нейронна мережа змогла передбачити космічну щільність матерії з точністю до 10%. «Не має значення, яку галактику ви розглядаєте, ніхто не припускав, що це взагалі буде можливо», – сказав Віллаєскуза-Наварро.
Теж цікаво:
- Space Entertainment Enterprise запустить космічну кіностудію у 2024
- Amazon Alexa стане цифровим помічником NASA у космічній місії Artemis I
Продуктивність алгоритму вразила дослідників, тому що галактики за своєю природою є хаотичними об’єктами. Одні формуються всі за один раз, а інші зростають, поїдаючи своїх сусідів. Гігантські галактики схильні утримувати свою речовину, у той час, як наднові зірки та чорні діри в карликових галактиках можуть викидати більшу частину своєї видимої матерії.
Одна з інтерпретацій полягає в тому, що «Всесвіт та/або галактики певною мірою набагато простіші, ніж ми собі уявляли». Команда витратила півроку, намагаючись зрозуміти, як нейронна мережа стала такою мудрою. Вони перевірили, щоб переконатися, що алгоритм не просто знайшов якийсь спосіб вивести щільність з коду моделювання, а не з самих галактик. За допомогою серії експериментів дослідники зрозуміли, як алгоритм визначає космічну щільність. Неодноразово перенавчаючи мережу, систематично приховуючи різні галактичні властивості, вони зосередилися на найважливіших атрибутах.
Нейронна мережа виявила набагато точніший і складніший зв’язок між приблизно 17 галактичними властивостями та щільністю матерії. Цей зв’язок зберігається, попри галактичні злиття, зіркові вибухи та виверження чорних дір.
Дослідження дійсно передбачає, що теоретично вичерпне вивчення Чумацького Шляху і, можливо, кількох інших довколишніх галактик могло б дозволити надзвичайно точний вимір матерії нашого Всесвіту. Такий експеримент, за словами Вільяєскуза-Наварро, може дати ключ до розгадки інших чисел космічного значення, таких як сума невідомих мас трьох типів нейтрино у Всесвіті.
Дослідники радіють з того, що нейронна мережа змогла знайти закономірності в безладних галактиках двох незалежних симуляцій. Цифрове відкриття підвищує ймовірність того, що реальний космос може приховувати подібний зв’язок між великим та маленьким.
Це дуже гарна річ. Вона встановлює зв’язок між усім Всесвітом та однією галактикою.
Читайте також:
- Астрономи відкрили новий клас галактичних туманностей
- Вчені вперше підтверджують ексцентричне злиття чорних дір