Znanstvenici su nedavno napravili značajan iskorak u razumijevanju svemira koristeći model umjetne inteligencije (UI) za izračunavanje ključnih kozmičkih parametara. Ova tehnika mogla bi značajno unaprijediti naše sposobnosti u analizi strukture svemira. Prema studiji objavljenoj u časopisu Nature Astronomy, tim istraživača uspio je procijeniti kozmičke parametre analizom podataka o oko 110.000 galaksija uz pomoć specijaliziranog modela UI. Ova metoda omogućila je razinu preciznosti koja bi konvencionalnim metodama zahtijevala četiri puta više galaksija. Ovi parametri predstavljaju “postavke” svemira koje određuju kako on funkcionira na najvećim razmjerama. Suautor studije, astrofizičar Liam Parker s Flatiron Instituta, ističe: “Ovi parametri su ključne postavke svemira koje utječu na njegove osnovne zakone i ponašanje.”
Istraživači se nadaju da će ovi parametri pomoći u usavršavanju standardnog modela kozmosološke teorije i možda razjasniti neka od najvažnijih pitanja koja se trenutno postavljaju u znanstvenoj zajednici. Mapiranje galaksija predstavlja ogroman izazov koji zahtijeva velike resurse. Najveće studije mogu koštati stotine milijuna dolara. Prema Shirley Ho, također astrofizičarki iz Flatiron Instituta, “Glavni cilj ovih studija je dobivanje preciznih kozmičkih parametara koji nam omogućuju dublje razumijevanje svemira.” Ovi parametri pomažu u razumijevanju kako se vidljiva materija, tamna tvar i tamna energija organiziraju na kozmičkoj skali. Na primjer, jedan od parametara opisuje kako se materija grupira, a tamna materija igra ključnu ulogu u ovom procesu.
Za postizanje veće preciznosti, istraživači su obučili UI na 2.000 simuliranih svemira s različitim “postavkama.” Ova obuka omogućila je modelu prepoznavanje suptilnih efekata u distribuciji galaksija. Umjetna inteligencija je također analizirala tri ili više galaksija istovremeno kako bi prepoznala velike obrasce među njima. “UI je postala izuzetno učinkovita u prepoznavanju malih razlika u grupiranju galaksija,” rekao je glavni autor studije, kozmolog ChangHoon Hahn sa Sveučilišta Princeton. “Ova sposobnost nam omogućuje da s manjim brojem podataka postignemo izuzetno precizne rezultate.” Ova metoda može pomoći u razotkrivanju misterioznih aspekata svemira, poput napetosti Hubbleove konstante, koja sugerira da se svemir širi brže nego što predviđaju postojeći kozmički modeli. “Ako precizno izmjerimo parametre i potvrdimo napetost, mogli bismo otkriti nove aspekte fizike tamne energije i širenja svemira,” zaključuje Hahn.
Pozdrav svima! Hvala što čitate Kozmos.hr! Ja sam Ivan i dugi niz godina pišem o svermiu, astronomiji, znanosti, povijesti i arheologiji, a imao sam priliku sudjelovati i u dokumentarcima Science Discovery-ja te History Channel-a.
