Bir grup bilim insanı, kozmolojiyi incelemek için kökten yeni bir yol bulmuş olabilir.
Kozmologlar genellikle evrenin bileşimini mümkün olduğu kadar çok parçasını gözlemleyerek belirlerler. Ancak bu araştırmacılar, bir makine öğrenimi algoritmasının, tek bir modellenmiş galaksiyi inceleyebileceğini ve içinde bulunduğu dijital evrenin genel bileşimini tahmin edebileceğini buldu - rastgele bir kum tanesini mikroskop altında analiz etmeye ve Avrasya'nın kütlesini belirlemeye benzer şekilde. Görünüşe göre makineler, gelecekte gökbilimcilerin basit yapı taşlarını inceleyerek gerçek kozmos hakkında büyük ölçekli çıkarımlar yapmalarına izin verebilecek bir model keşfettiler.
"Bu tamamen farklı bir fikir. Bu milyonlarca galaksiyi ölçmek yerine, sadece bir tanesini alabilirsiniz. New York'taki Flatiron Enstitüsü'nde teorik bir astrofizikçi olan Francisco Villaescuza-Navarro ve makalenin baş yazarı Francisco Villaescuza-Navarro, bunun işe yaraması şaşırtıcı" dedi.
Bu olmamalıydı. İnanılmaz keşif, Vilaescuza-Navarro'nun Princeton Üniversitesi'nde bir öğrenci olan Jupiter Dean'e verdiği bir egzersizden doğdu: bir galaksinin özellikleri göz önüne alındığında, birkaç kozmolojik özelliği tahmin edebilecek bir sinir ağı inşa etmek. Zorluk, Dean'i makine öğrenimiyle tanıştırmaktı. Sonra bilgisayarın maddenin toplam yoğunluğunu hesapladığını fark ettiler. Villaescuza-Navarro, "Öğrencinin bir hata yaptığını düşündüm" dedi. "Dürüst olmak gerekirse inanmak benim için biraz zordu."
Araştırmacılar, Kozmoloji ve Astrofizik ile Makine Öğrenimi Modelleme (CAMELS) projesinin bir parçası olarak oluşturulan 2000 dijital evreni analiz etti. Bu evrenlerin bileşimi %10 ila %50 arasında değişiyordu, geri kalanı karanlık enerjiydi, bu da evrenin daha hızlı genişlemesine neden oluyor (gerçek kozmosumuzun yaklaşık üçte biri karanlık ve görünür madde ve üçte ikisi karanlık enerjidir) . Simülasyon ilerledikçe, karanlık madde ve görünür madde galaksilerde birleşti. Simülasyonlar ayrıca süper kütleli kara deliklerden süpernova ve ejecta gibi karmaşık olayların kaba bir tedavisini de içeriyordu.
Dean'in sinir ağı, bu çeşitli dijital evrenlerde yaklaşık 1 milyon simüle edilmiş galaksi üzerinde çalıştı. Tanrısal bakış açısından, her bir galaksinin boyutunu, bileşimini, kütlesini ve bir düzineden fazla başka özelliğini biliyordu. Bu sayı listesini ana evrendeki maddenin yoğunluğuyla ilişkilendirmeye çalıştı.
Başarılı oldu. Sinir ağı, daha önce keşfetmediği düzinelerce evrenden binlerce yeni galaksi üzerinde test edildiğinde, kozmik madde yoğunluğunu %10 doğrulukla tahmin edebildi. Villaescuza-Navarro, "Hangi galaksiye baktığınız önemli değil, kimse bunun mümkün olacağını düşünmedi" dedi.
Ayrıca ilginç:
- Space Entertainment Enterprise, 2024'te bir uzay film stüdyosu kuracak
- Amazon Alexa, Artemis I uzay görevinde NASA'nın dijital asistanı olacak
Algoritmanın performansı araştırmacıları şaşırttı çünkü galaksiler doğal olarak kaotik nesnelerdir. Bazıları bir anda oluşur, bazıları ise komşularını yiyerek büyür. Dev galaksiler maddelerini tutma eğilimindeyken, cüce galaksilerdeki süpernovalar ve kara delikler görünür maddelerinin çoğunu çıkarabilir.
Bir yorum şudur: "Evren ve/veya galaksiler bir şekilde bizim hayal ettiğimizden çok daha basittir." Ekip, sinir ağının nasıl bu kadar akıllı hale geldiğini anlamaya çalışmak için altı ay harcadı. Algoritmanın yoğunluğu galaksilerin kendisinden değil de simülasyon kodundan türetmenin bir yolunu bulmadığından emin olmak için kontrol ettiler. Bir dizi deney yoluyla araştırmacılar, algoritmanın kozmik yoğunluğu nasıl belirlediğini anladılar. Ağı tekrar tekrar eğiterek, çeşitli galaktik özellikleri sistematik olarak gizleyerek, en önemli niteliklere odaklandılar.
Sinir ağı, yaklaşık 17 galaktik özellik ile maddenin yoğunluğu arasında çok daha kesin ve karmaşık bir ilişki ortaya çıkardı. Bu bağlantı galaktik birleşmelere, yıldız patlamalarına ve kara delik patlamalarına rağmen devam ediyor.
Çalışma, teoride, Samanyolu ve belki de birkaç diğer yakın galaksinin kapsamlı bir çalışmasının, evrenimizdeki maddenin son derece hassas bir şekilde ölçülmesine izin verebileceğini öne sürüyor. Villaescuz-Navarro, böyle bir deneyin, evrendeki üç nötrino türünün bilinmeyen kütlelerinin toplamı gibi diğer kozmik öneme sahip sayılara dair ipuçları sağlayabileceğini söyledi.
araştırmacılar sinir ağının iki bağımsız simülasyonun dağınık galaksilerinde kalıplar bulabilmesine sevinin. Dijital keşif, gerçek kozmosun büyük ve küçük arasında benzer bir bağlantı barındırabileceği olasılığını artırıyor.
Bu çok iyi bir şey. Tüm evren ve bir galaksi arasında bir bağlantı kurar.
Ayrıca okuyun:
- Gökbilimciler yeni bir galaktik bulutsu sınıfı keşfettiler
- Bilim adamları ilk kez kara deliklerin eksantrik birleşmesini doğruladı