Bolje razumijevanje tamne energije zahvaljujući umjetnoj inteligenciji

Tim predvođen Sveučilišnim koledžom u Londonu (UCL) iskoristio je napredne tehnike umjetne inteligencije (UI) kako bi ostvario znatno preciznije uvide u utjecaj i karakteristike tamne energije. Ova inovativna metoda koristi se mapom tamne i vidljive tvari u svemiru, koja obuhvaća period od zadnjih 7 milijardi godina. Studija, koja je trenutno dostupna na otvorenom serveru arXiv rezultat je suradnje unutar projekta Dark Energy Survey. Zahvaljujući ovoj analizi, preciznost u određivanju ključnih karakteristika svemira, poput ukupne gustoće tamne energije, udvostručena je.

Misterij tamne energije

Ovakav napredak omogućio je istraživačima da isključe određene modele svemira koji su prethodno bili mogući. Tamna energija, enigmatična sila koja potiče ubrzano širenje svemira, čini otprilike 70% ukupnog sadržaja svemira. Preostali dio čini tamna tvar (25%), nevidljiva supstanca čija gravitacija privlači galaksije, dok obična materija iznosi samo 5%. Dr. Niall Jeffrey, vodeći autor studije iz UCL-a, naglasio je: “Korištenjem umjetne inteligencije za analizu simulacija svemira koje smo izveli na računalima, uspjeli smo udvostručiti preciznost procjene ključnih svojstava svemira. Bez ovih novih tehnika, za postizanje istog poboljšanja bila bi nam potrebna četverostruko veća količina podataka, što bi u praksi značilo mapiranje dodatnih 300 milijuna galaksija.”

Dr. Lorne Whiteway, također iz UCL-a i suautor studije, istaknuo je: “Naši nalazi su u skladu s trenutno najprihvaćenijom teorijom o tamnoj energiji kao ‘kozmološkoj konstanti‘, čija vrijednost ostaje nepromijenjena kroz prostor i vrijeme. Ipak, naši rezultati ostavljaju prostor za mogućnost drugačijeg objašnjenja, uključujući i pitanje točnosti naše teorije gravitacije.”

Materija u svemiru

U skladu s prethodnim analizama podataka projekta Dark Energy Survey, objavljenim prvi put 2021. godine, pokazalo se da je materija u svemiru raspoređena ravnomjernije nego što bi se očekivalo prema Einsteinovoj teoriji opće relativnosti, iako je ova razlika bila manje izražena u najnovijoj studiji zbog većih margina greške. Vizualizacija je izrađena koristeći tehniku slabog gravitacijskog lećenja, koja uključuje promatranje kako gravitacija materije između galaksija utječe na svjetlost koja dolazi do Zemlje iz udaljenih galaksija.

Analizom deformacija oblika 100 milijuna galaksija, istraživači su uspjeli izvesti raspodjelu svih oblika materije, i tamne i vidljive, koja se nalazi ispred tih galaksija. Rezultantna vizualizacija obuhvaća četvrtinu neba na južnoj hemisferi. Za potrebe ove najnovije studije, istraživači su koristili superračunala kako bi simulirali različite modele svemira temeljene na podacima dobivenim iz vizualizacija materije projekta Dark Energy Survey. Svaka simulacija temeljila se na različitom matematičkom modelu svemira.

Vizualizacije materije u svemiru

Na temelju tih simulacija, kreirane su vizualizacije materije, a zatim je primijenjen model strojnog učenja za ekstrakciju podataka relevantnih za kozmološke modele. Drugi alat strojnog učenja, koji je učio iz mnogobrojnih primjera simuliranih svemira s različitim kozmološkim modelima, analizirao je stvarne promatrane podatke i dao procjene vjerojatnosti za svaki kozmološki model. Primjenom ove inovativne metode, istraživači su uspjeli obraditi znatno veće količine podataka nego što je to bilo moguće ranijim metodama. Simulacije su izvedene na DiRAC visokoučinkovitom računalnom sustavu.

Nadolazeća faza projekata, uključujući misiju Europske svemirske agencije Euclid pokrenutu prošlog ljeta, donijet će znatno veću količinu podataka o strukturama svemira velikih razmjera. Ti će podaci pomoći istraživačima da utvrde da li neočekivana glatkoća svemira upućuje na to da su trenutni kozmološki modeli pogrešni ili postoji neko drugo objašnjenje. Trenutna glatkoća svemira nije u skladu s očekivanjima baziranim na analizi kozmičkog mikrovalnog pozadinskog zračenja, svjetlosti ostavljene od Velikog praska.