Un groupe de scientifiques est peut-être tombé sur une façon radicalement nouvelle d'étudier la cosmologie.
Les cosmologistes déterminent généralement la composition de l'univers en en observant autant de parties que possible. Mais ces chercheurs ont découvert qu'un algorithme d'apprentissage automatique peut scruter une seule galaxie modélisée et prédire la composition globale de l'univers numérique dans lequel elle existe, de la même manière que l'analyse d'un grain de sable aléatoire au microscope et la détermination de la masse de l'Eurasie. Il semble que les machines aient découvert un modèle qui, à l'avenir, pourrait permettre aux astronomes de faire des inférences à grande échelle sur le cosmos réel simplement en étudiant les blocs de construction élémentaires.
"C'est une idée complètement différente. Au lieu de mesurer ces millions de galaxies, vous pouvez en prendre une seule. C'est surprenant que cela fonctionne", a déclaré Francisco Villaescuza-Navarro, astrophysicien théoricien au Flatiron Institute de New York et auteur principal de l'article.
Cela n'aurait pas dû arriver. L'incroyable découverte est née d'un exercice que Vilaescuza-Navarro a donné à Jupiter Dean, étudiant à l'Université de Princeton : construire un réseau de neurones qui, compte tenu des propriétés d'une galaxie, pourrait estimer quelques attributs cosmologiques. Le défi consistait simplement à initier Dean à l'apprentissage automatique. Puis ils ont remarqué que l'ordinateur calculait la densité totale de la matière. "Je pensais que l'étudiant avait fait une erreur", a déclaré Villaescuza-Navarro. "C'était un peu difficile pour moi d'y croire, pour être honnête."
Les chercheurs ont analysé 2000 10 univers numériques créés dans le cadre du projet Cosmology and Astrophysics with Machine Learning Modeling (CAMELS). Ces univers variaient en composition de 50% à XNUMX% de matière, le reste étant de l'énergie noire, ce qui fait que l'univers s'étend de plus en plus vite (Notre vrai cosmos est composé d'environ un tiers de matière noire et visible et de deux tiers d'énergie noire) . Au fur et à mesure que la simulation progressait, la matière noire et la matière visible fusionnaient en galaxies. Les simulations comprenaient également un traitement approximatif de phénomènes complexes tels que les supernovae et les éjectas de trous noirs supermassifs.
Le réseau de neurones de Dean a étudié près d'un million de galaxies simulées dans ces différents univers numériques. De son point de vue divin, il connaissait la taille, la composition, la masse de chaque galaxie et plus d'une douzaine d'autres caractéristiques. Il a cherché à relier cette liste de nombres à la densité de matière dans l'univers parent.
C'est réussi. Lorsqu'il a été testé sur des milliers de nouvelles galaxies de dizaines d'univers qu'il n'avait pas explorés auparavant, le réseau de neurones a pu prédire la densité de matière cosmique avec une précision de 10 %. "Peu importe la galaxie que vous regardez, personne ne pensait que ce serait même possible", a déclaré Villaescuza-Navarro.
Intéressant aussi :
- Space Entertainment Enterprise lancera un studio de cinéma spatial en 2024
- Amazon Alexa sera l'assistant numérique de la NASA sur la mission spatiale Artemis I
Les performances de l'algorithme ont étonné les chercheurs car les galaxies sont par nature des objets chaotiques. Certains se forment d'un coup, tandis que d'autres grandissent en mangeant leurs voisins. Les galaxies géantes ont tendance à conserver leur matière, tandis que les supernovae et les trous noirs des galaxies naines peuvent éjecter la majeure partie de leur matière visible.
Une interprétation est que "l'univers et/ou les galaxies sont en quelque sorte beaucoup plus simples que nous ne l'imaginions". L'équipe a passé six mois à essayer de comprendre comment le réseau de neurones est devenu si sage. Ils ont vérifié que l'algorithme n'avait pas simplement trouvé un moyen de dériver la densité du code de simulation plutôt que des galaxies elles-mêmes. Grâce à une série d'expériences, les chercheurs ont compris comment l'algorithme détermine la densité cosmique. En réentraînant à plusieurs reprises le réseau, masquant systématiquement diverses propriétés galactiques, ils se sont concentrés sur les attributs les plus importants.
Le réseau neuronal a révélé une relation beaucoup plus précise et complexe entre environ 17 propriétés galactiques et la densité de la matière. Cette connexion persiste malgré les fusions galactiques, les explosions d'étoiles et les éruptions de trous noirs.
L'étude suggère qu'en théorie, une étude approfondie de la Voie lactée et peut-être de quelques autres galaxies proches pourrait permettre une mesure extrêmement précise de la matière dans notre univers. Une telle expérience, a déclaré Villaescuz-Navarro, pourrait fournir des indices sur d'autres nombres d'importance cosmique, tels que la somme des masses inconnues des trois types de neutrinos dans l'univers.
Des chercheurs réjouissez-vous que le réseau de neurones ait pu trouver des modèles dans les galaxies désordonnées de deux simulations indépendantes. La découverte numérique soulève la possibilité que le cosmos réel puisse abriter un lien similaire entre le grand et le petit.
C'est une très bonne chose. Il établit une connexion entre l'univers entier et une galaxie.
Lisez aussi:
- Des astronomes ont découvert une nouvelle classe de nébuleuses galactiques
- Les scientifiques confirment pour la première fois la fusion excentrique des trous noirs