Cada galaxia revela la composición de todo el universo.

Grupo de Es posible que los científicos hayan ideado una forma radicalmente nueva de hacer cosmología.

Los cosmólogos generalmente determinan la composición del universo observando tanto como sea posible. Pero estos investigadores han descubierto que el algoritmo de aprendizaje automático puede estudiar cuidadosamente una galaxia simulada y predecir la composición general del universo digital en el que existe, un logro similar al análisis aleatorio de arena bajo un microscopio y el cálculo de la masa de Eurasia, un modelo que Puede que algún día los astrónomos puedan sacar conclusiones amplias sobre el verdadero espacio solo mediante el estudio de sus bloques de construcción elementales.

"Es una idea completamente diferente", dijo. Francisco Villescuza-Navarroastrofísico teórico del Instituto Flatyron de Nueva York y autor principal del artículo: "En lugar de medir estos millones de galaxias, puedes tomar una. Es realmente increíble que funcione".

No debería haber sucedido El sorprendente descubrimiento surgió de un ejercicio que Villescuza-Navarro le dio a Júpiter Ding, un estudiante de la Universidad de Princeton: construir una red neuronal que, conociendo las propiedades de la galaxia, pueda evaluar varios atributos cosmológicos. su objetivo era simplemente introducir a Ding en el aprendizaje automático. Luego notaron que la computadora estaba determinando la densidad general de la materia.

"Pensé que el estudiante cometió un error", dijo Villescuza-Navarro. "Honestamente, fue un poco difícil para mí creerlo".

Los resultados de la investigación posterior. apareció en preimpresión el 6 de enero Los investigadores analizaron 2000 universos digitales generados por la cosmología y la astrofísica con simulaciones de aprendizaje automático (CAMELLOS) proyecto. Estos universos tenían un conjunto de composiciones que contenían entre un 10% y un 50% de materia, y el resto estaba compuesto por energía oscura, lo que provocó que el universo se expandiera cada vez más rápido. (Nuestro cosmos real consta de aproximadamente un tercio de materia oscura y visible y dos tercios de energía oscura). Mientras se realizaban las simulaciones, la materia oscura y la materia visible se arremolinaban juntas en las galaxias. Las simulaciones también involucraron un tratamiento aproximado de eventos complejos como supernovas y chorros que brotan de agujeros negros supermasivos.

La red neuronal de Ding estudia casi 1 millón de galaxias simuladas en estos diversos universos digitales. Desde su punto de vista divino, conocía el tamaño, la composición, la masa de cada galaxia y más de una docena de otras características. Trató de conectar esta lista de números con la densidad de la materia en el universo padre.

Exitoso. Cuando se probó en miles de galaxias nuevas de docenas de universos que no había estudiado previamente, la red neuronal pudo predecir la densidad cósmica de la materia con una precisión del 10 por ciento. "No importa qué galaxia estés mirando”, dijo Villescuza-Navarro. “Nadie pensó que eso fuera posible”.

"Esto es lo que una galaxia puede obtener [the density to] Alrededor del 10 por ciento, eso fue muy sorprendente para mí ", dijo. falker springelun experto en simular la formación de galaxias del Instituto Max Planck de Astrofísica, que no participó en el estudio.

El rendimiento del algoritmo sorprendió a los investigadores, porque las galaxias son objetos intrínsecamente caóticos. Algunos se forman todos a la vez, mientras que otros crecen al comerse a sus vecinos. Las galaxias gigantes tienden a retener su materia, mientras que las supernovas y los agujeros negros en las galaxias enanas pueden expulsar la mayor parte de sus visibles.Sin embargo, cada galaxia se las arregló de alguna manera para vigilar de cerca la densidad total de la materia en su universo.

Una interpretación es que el universo y/o las galaxias son de alguna manera mucho más simples de lo que imaginamos. paulina barbieastrónomo de la Universidad Occidental de Ontario Otro es que las simulaciones tienen deficiencias no reconocidas.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir
error: Content is protected !!