ممکن است گروهی از دانشمندان به روشی کاملاً جدید برای مطالعه کیهان شناسی دست یافته باشند.
کیهان شناسان معمولاً با مشاهده هر چه بیشتر بخش های جهان، ترکیب آن را تعیین می کنند. اما این محققان دریافتند که یک الگوریتم یادگیری ماشینی می‌تواند یک کهکشان مدل‌سازی شده را موشکافی کند و ترکیب کلی جهان دیجیتالی را که در آن وجود دارد، پیش‌بینی کند - شبیه به تجزیه و تحلیل یک دانه تصادفی شن در زیر میکروسکوپ و تعیین جرم اوراسیا. به نظر می رسد که ماشین ها الگویی را کشف کرده اند که در آینده ممکن است به اخترشناسان اجازه دهد تا به سادگی با مطالعه اجزای سازنده اولیه، استنتاج هایی در مقیاس بزرگ در مورد کیهان واقعی انجام دهند.
"این یک ایده کاملا متفاوت است. به جای اندازه گیری آن میلیون ها کهکشان، فقط می توانید یکی را بگیرید. کارکرد آن شگفت‌آور است.»
این اتفاق نباید رخ میداد. این کشف باورنکردنی حاصل تمرینی بود که ویلاسکوزا-ناوارو به ژوپیتر دین، دانشجوی دانشگاه پرینستون داد: ساخت یک شبکه عصبی که با توجه به ویژگی‌های یک کهکشان، بتواند چند ویژگی کیهانی را تخمین بزند. چالش این بود که دین را با یادگیری ماشین آشنا کنیم. سپس متوجه شدند که کامپیوتر در حال محاسبه چگالی کل ماده است. ویلاسکوزا-ناوارو گفت: "فکر می کردم شاگرد اشتباه کرده است." راستش باورش برایم کمی سخت بود.»
محققان 2000 جهان دیجیتال ایجاد شده به عنوان بخشی از پروژه کیهان شناسی و اخترفیزیک با مدل سازی یادگیری ماشین (CAMELS) را تجزیه و تحلیل کردند. این کیهان ها از نظر ترکیب از 10٪ تا 50٪ ماده متفاوت بودند، با بقیه انرژی تاریک، که باعث می شود جهان سریعتر و سریعتر گسترش یابد (کیهان واقعی ما حدود یک سوم ماده تاریک و مرئی و دو سوم انرژی تاریک است). . با پیشرفت شبیه سازی، ماده تاریک و ماده مرئی در کهکشان ها ادغام شدند. این شبیه‌سازی‌ها همچنین شامل یک درمان خشن از پدیده‌های پیچیده مانند ابرنواخترها و پرتاب‌های سیاه‌چاله‌های کلان پرجرم بود.
شبکه عصبی دین نزدیک به 1 میلیون کهکشان شبیه سازی شده را در این جهان های دیجیتال مختلف مطالعه کرد. از دیدگاه خداگونه خود، او اندازه، ترکیب، جرم و بیش از ده ها ویژگی دیگر کهکشان ها را می دانست. او به دنبال این بود که این فهرست اعداد را با چگالی ماده در جهان مادر مرتبط کند.
موفق شد. وقتی این شبکه عصبی روی هزاران کهکشان جدید از ده‌ها جهان که قبلاً کاوش نکرده بود آزمایش شد، توانست چگالی ماده کیهانی را با دقت 10 درصد پیش‌بینی کند. ویلاسکوزا-ناوارو گفت: "مهم نیست به کدام کهکشان نگاه می کنید، هیچ کس فکر نمی کرد که این امکان پذیر باشد."
همچنین جالب:
- Space Entertainment Enterprise یک استودیوی فیلم فضایی را در سال 2024 راه اندازی خواهد کرد
- آمازون الکسا دستیار دیجیتالی ناسا در ماموریت فضایی آرتمیس I خواهد بود
عملکرد این الگوریتم محققان را شگفت زده کرد زیرا کهکشان ها ذاتا اجرام پر هرج و مرج هستند. برخی به یکباره تشکیل می شوند، در حالی که برخی دیگر با خوردن همسایگان خود رشد می کنند. کهکشان های غول پیکر تمایل دارند ماده خود را حفظ کنند، در حالی که ابرنواخترها و سیاهچاله ها در کهکشان های کوتوله می توانند بیشتر ماده مرئی خود را خارج کنند.
یک تفسیر این است که "جهان و/یا کهکشان ها به نوعی ساده تر از آن چیزی هستند که ما تصور می کردیم." تیم شش ماه تلاش کرد تا بفهمد چگونه شبکه عصبی تا این حد عاقل شد. آنها بررسی کردند تا مطمئن شوند که الگوریتم تنها راهی برای استخراج چگالی از کد شبیه سازی به جای خود کهکشان ها پیدا نکرده است. از طریق یک سری آزمایش، محققان متوجه شدند که چگونه الگوریتم چگالی کیهانی را تعیین می کند. با بازآموزی مکرر شبکه، پنهان کردن سیستماتیک خواص مختلف کهکشانی، آنها بر مهمترین ویژگی ها تمرکز کردند.
شبکه عصبی رابطه بسیار دقیق و پیچیده تری را بین تقریباً 17 ویژگی کهکشانی و چگالی ماده نشان داد. این ارتباط با وجود ادغام های کهکشانی، انفجار ستارگان و فوران سیاهچاله ها ادامه دارد.
این مطالعه نشان می‌دهد که از نظر تئوری، یک مطالعه جامع از راه شیری و شاید چند کهکشان نزدیک دیگر می‌تواند امکان اندازه‌گیری بسیار دقیق ماده در جهان ما را فراهم کند. ویلاسکوز-ناوارو گفت که چنین آزمایشی می‌تواند سرنخ‌هایی برای اعداد دیگری از اهمیت کیهانی، مانند مجموع جرم‌های ناشناخته سه نوع نوترینو در جهان ارائه دهد.
محققین خوشحالیم که شبکه عصبی توانست الگوهایی را در کهکشان های آشفته دو شبیه سازی مستقل پیدا کند. این کشف دیجیتالی این احتمال را افزایش می دهد که کیهان واقعی ممکن است دارای ارتباط مشابهی بین بزرگ و کوچک باشد.
این خیلی چیز خوبی است. بین کل جهان و یک کهکشان ارتباط برقرار می کند.
همچنین بخوانید:
- ستاره شناسان دسته جدیدی از سحابی های کهکشانی را کشف کرده اند
- دانشمندان برای اولین بار ادغام غیرعادی سیاهچاله ها را تایید کردند