SimBIG: ИИ удваивает точность измерения Вселенной

Ученые из Института Флэтайрон и их партнеры разработали новый метод на основе искусственного интеллекта, который коренным образом меняет способы измерения Вселенной. Эта технология предлагает значительно более точный путь к определению ключевых свойств космоса. Подход, получивший название Simulation-Based Inference of Galaxies или SimBIG, извлекает скрытые подсказки из закономерностей распределения галактик, превосходя старые методики за счет раскрытия ранее недоступной информации. Использование ИИ позволило команде исследователей более чем вдвое снизить неопределенность в критических параметрах, таких как степень комковатости материи во Вселенной. Полученные результаты хорошо согласуются с другими космологическими измерениями, включая данные о свете самых ранних моментов существования Вселенной. Исследование, опубликованное в журнале Nature Astronomy, знаменует собой важный прорыв, позволяя ученым с большей уверенностью и детализацией исследовать структуру мироздания.

Космологические параметры описывают, как устроена Вселенная и из чего она состоит. К ним относятся количество темной энергии, темной материи и обычной материи, а также характеристики ранней Вселенной, такие как распределение масс и непрозрачность. Лиам Паркер, аналитик-исследователь из Центра вычислительной астрофизики Института Флэтайрон и соавтор исследования, поясняет: «Эти параметры, по сути, являются «настройками» Вселенной, которые определяют, как она функционирует в самых больших масштабах». Прежние инструменты анализа фокусировались на крупномасштабном скоплении галактик, однако такие методы часто упускали из виду более тонкие закономерности. SimBIG меняет этот подход, глубже анализируя данные о галактиках и выявляя мелкомасштабные особенности, которые уточняют наше понимание космоса. Этот скачок в точности — не просто техническое усовершенствование, а открытие новых путей для изучения формирования, эволюции и продолжающегося расширения Вселенной.

ЧангХун Хан, научный сотрудник Принстонского университета и ведущий автор исследования, отмечает: «Мы не могли опуститься до малых масштабов… там есть дополнительная информация; у нас просто не было хорошего способа ее извлечь». Решением Хана стало использование искусственного интеллекта для доступа к этим ранее неиспользованным данным малого масштаба. Его двухэтапный план включал сначала обучение модели ИИ определению значений космологических параметров на основе смоделированных вселенных. Следующим шагом стало применение этой обученной модели к реальным данным о распределении галактик. Для обучения исследователи использовали 2000 симуляций из набора Quijote Центра вычислительной астрофизики, каждая из которых была создана с различными значениями космологических параметров. Эти смоделированные вселенные имитировали реальные данные галактических обзоров, включая погрешности, вызванные атмосферой и телескопами. «Это большое количество симуляций, но оно управляемо», — говорит Хан, добавляя, что без ИИ для достижения тех же результатов потребовались бы сотни тысяч симуляций. Благодаря этим симуляциям ИИ научился соотносить значения космологических параметров с мелкомасштабными различиями в скоплениях галактик, например, анализировать расстояние между отдельными галактиками и извлекать дополнительную информацию, рассматривая группы из трех и более галактик и формируемые ими геометрические фигуры.

После обучения модель ИИ была протестирована с использованием реальных данных о 109 636 галактиках, измеренных в рамках Барионного осцилляционного спектроскопического обзора (Baryon Oscillation Spectroscopic Survey). Как и ожидалось, ИИ успешно использовал как мелкомасштабные, так и крупномасштабные детали распределения галактик для значительного повышения точности оценок космологических параметров. Примечательно, что достигнутая точность оказалась эквивалентной точности традиционного анализа, использующего примерно в четыре раза больше галактик. Это особенно важно, поскольку количество наблюдаемых галактик во Вселенной ограничено. Ширли Хо, руководитель группы в Центре вычислительной астрофизики и соавтор исследования, подчеркивает: «Получая более высокую точность с меньшим количеством данных, SimBIG может расширить границы возможного». Хо также отметила практическую значимость этих космологических параметров, учитывая огромную стоимость галактических обзоров: «Каждый из этих обзоров стоит от сотен миллионов до миллиардов долларов. Вы хотите получить наилучший анализ, чтобы извлечь как можно больше знаний из этих обзоров и расширить границы нашего понимания Вселенной».

Одним из ключевых будущих применений точности SimBIG является решение проблемы «напряженности Хаббла». Эта космологическая проблема связана с расхождением в оценках постоянной Хаббла, описывающей скорость расширения Вселенной. Оценки, основанные на расстоянии между флуктуациями в древнейшем свете Вселенной, примерно на 10% отличаются от оценок, основанных на расстоянии до сверхновых в далеких галактиках. Это несоответствие вызвало дебаты и предполагает, что может потребоваться более глубокое понимание или даже новая физика. По мере того как в ближайшие несколько лет будут запускаться новые обзоры космоса, подход SimBIG на основе ИИ позволит исследователям лучше изучить «напряженность Хаббла» и определить, можно ли разрешить это расхождение. Если нет, это может указывать на то, что Вселенная функционирует по физическим законам, которые мы еще не до конца понимаем. «Если мы измерим величины очень точно и сможем твердо заявить, что напряженность существует, это может выявить новую физику, касающуюся темной энергии и расширения Вселенной», — говорит Хан.

Публикация в Nature Astronomy представляет собой значительный шаг вперед в космологии. Инновационное использование искусственного интеллекта для извлечения скрытых данных и повышения точности измерений открывает новые возможности для разгадки тайн Вселенной и углубления наших знаний о темной материи, темной энергии и силах, формирующих космос.

 

Microsoft Discovery: ИИ-агенты ускоряют научные открытия в разы

Kira Learning: умные ИИ-инструменты для учителей и учеников

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *