Kunstig intelligens værktøj udviklet til at forudsige universets struktur

Fremskridt inden for teleskoper har gjort det muligt for forskere at studere universet med større detaljer, og at etablere en standard kosmologisk model, der forklarer forskellige observationsfakta samtidigt. Men der er mange ting, forskere stadig ikke forstår. Bemærkelsesværdigt, størstedelen af ​​universet består af mørkt stof og mørk energi af ukendt natur. En lovende vej til at løse disse mysterier er at studere universets struktur. Universet består af filamenter, hvor galakser klynger sig sammen. Disse filamenter ligner tråde langt væk, omkringliggende hulrum, hvor der ikke ser ud til at være noget. Opdagelsen af ​​den kosmiske mikrobølgebaggrund har givet forskerne et øjebliksbillede af, hvordan universet så ud tæt på dets begyndelse; at forstå, hvordan dens struktur udviklede sig til, hvad den er i dag, ville afsløre værdifulde egenskaber om mørkt stof og mørk energi.

Et team af forskere, herunder Kyoto University Yukawa Institute for Theoretical Physics Project Lektor Takahiro Nishimichi, og Kavli Institute for the Physics and Mathematics of the Universe (Kavli IPMU) Principal Investigator Masahiro Takada brugte verdens hurtigste astrofysiske simuleringssupercomputere ATERUI og ATERUI II til at udvikle Dark Emulator. Ved at bruge emulatoren på data, der er registreret af flere af verdens største observationsundersøgelser, kan forskerne studere muligheder vedrørende oprindelsen af ​​kosmiske strukturer, og hvordan mørkt stofs fordeling kunne have ændret sig over tid.

"Vi byggede en ekstraordinært stor database ved hjælp af en supercomputer, som tog os tre år at afslutte, men nu kan vi genskabe det på en bærbar computer i løbet af få sekunder. Jeg føler, at der er et stort potentiale i datavidenskab. Ved at bruge dette resultat, Jeg håber, vi kan arbejde os hen imod at afsløre det største mysterium i moderne fysik, som skal afdække, hvad mørk energi er. Jeg tror også, at denne metode, vi har udviklet, vil være nyttig inden for andre områder, såsom naturvidenskab eller samfundsvidenskab, " siger hovedforfatter Nishimichi.

Dette værktøj bruger et aspekt af kunstig intelligens kaldet machine learning. Ved at ændre flere vigtige karakteristika ved universet, såsom dem af mørkt stof og mørk energi, ATERUI og ATERUI II har skabt hundredvis af virtuelle universer. Dark Emulator lærer af dataene, og gætter resultater for nye sæt karakteristika uden at skulle skabe helt nye simuleringer hver gang. Når du tester det resulterende værktøj med undersøgelser fra det virkelige liv, det forudsagde med succes svage gravitationelle linseeffekter i Hyper Suprime-Cam-undersøgelsen, sammen med de tredimensionelle galaksefordelingsmønstre registreret i Sloan Digital Sky Survey med en nøjagtighed på 2 til 3 % i løbet af få sekunder. Sammenlignet med, køre simuleringer individuelt gennem en supercomputer uden AI, ville tage flere dage.

Forskerne håber at kunne anvende deres værktøj ved hjælp af data fra kommende undersøgelser i 2020'erne, muliggør dybere studier af universets oprindelse.