Mere præcis forståelse af mørk energi opnået ved hjælp af AI

Et UCL-ledet forskerhold har brugt kunstig intelligens (AI)-teknikker til at udlede mørk energis indflydelse og egenskaber mere præcist ud fra et kort over mørkt og synligt stof i universet, der dækker de sidste 7 milliarder år.

Undersøgelsen, indsendt til Monthly Notices of the Royal Astronomical Society og tilgængelig på arXiv preprint server, blev udført af Dark Energy Survey-samarbejdet. Forskerne fordoblede den præcision, hvormed universets nøglekarakteristika, inklusive den samlede tæthed af mørk energi, kunne udledes fra kortet.

Denne øgede præcision gør det muligt for forskere at udelukke modeller af universet, som tidligere kunne have været tænkelige.

Mørk energi er den mystiske kraft, der accelererer universets udvidelse og menes at udgøre omkring 70 % af universets indhold (med mørkt stof, usynlige ting, hvis tyngdekraft trækker galakser, udgør 25 %, og normalt stof kun 5 % ).

Hovedforfatter Dr. Niall Jeffrey (UCL Physics &Astronomy) sagde:"Ved at bruge AI til at lære af computersimulerede universer øgede vi præcisionen af ​​vores estimater af universets nøgleegenskaber med en faktor to.

"For at opnå denne forbedring uden disse nye teknikker ville vi have brug for fire gange mængden af ​​data. Dette ville svare til at kortlægge yderligere 300 millioner galakser."

Medforfatter Dr. Lorne Whiteway (UCL Physics &Astronomy) sagde:"Vores resultater er i overensstemmelse med den nuværende bedste forudsigelse af mørk energi som en 'kosmologisk konstant', hvis værdi ikke varierer i rum eller tid. De tillader dog også fleksibilitet for at en anden forklaring er korrekt. For eksempel kan det stadig være, at vores tyngdekraftsteori er forkert."

I overensstemmelse med tidligere analyser af Dark Energy Survey-kortet, der først blev offentliggjort i 2021, tyder resultaterne på, at stof i universet er mere jævnt spredt ud - mindre klumpet - end Einsteins generelle relativitetsteori ville forudsige. Uoverensstemmelsen var dog mindre signifikant for denne undersøgelse sammenlignet med den tidligere analyse, da fejlbjælkerne var større.

Dark Energy Survey-kortet blev opnået ved hjælp af en metode kaldet svag gravitationslinser – det vil sige at se, hvordan lys fra fjerne galakser er blevet bøjet af tyngdekraften af ​​mellemliggende stof på vej til Jorden.

Samarbejdet analyserede forvrængninger i form af 100 millioner galakser for at udlede fordelingen af ​​alt stof, både mørkt og synligt, i forgrunden af ​​disse galakser. Det resulterende kort dækkede en fjerdedel af himlen på den sydlige halvkugle.

Til den nye undersøgelse brugte forskere britiske regeringsfinansierede supercomputere til at køre simuleringer af forskellige universer baseret på data fra Dark Energy Survey-stofkortet. Hver simulering havde en anden matematisk model af universet, der understøttede den.

Forskerne lavede stofkort fra hver af disse simuleringer. En maskinlæringsmodel blev brugt til at udtrække informationen i de kort, der var relevante for kosmologiske modeller. Et andet maskinlæringsværktøj, der lærte af de mange eksempler på simulerede universer med forskellige kosmologiske modeller, så på de virkelige observerede data og gav oddsene for, at enhver kosmologisk model er den sande model af vores univers.

Denne nye teknik gjorde det muligt for forskere at bruge meget mere information fra kortene, end det ville være muligt med den tidligere metode. Simuleringerne blev kørt på DiRAC High Performance Computing (HPC) facilitet.

Den næste fase af mørke univers-projekter - inklusive European Space Agency-missionen Euclid, der blev opsendt sidste sommer - vil i høj grad øge mængden af ​​data, vi har om universets storskalastrukturer, og hjælpe forskere med at afgøre, om den uventede glathed af universet er et tegn på, at nuværende kosmologiske modeller er forkerte, eller hvis der er en anden forklaring på det.

I øjeblikket er denne glathed i modstrid med, hvad der ville blive forudsagt baseret på analyse af den kosmiske mikrobølgebaggrund (CMB) – lyset tilbage fra Big Bang.

Dark Energy Survey-samarbejdet, som UCL er stiftende medlem af, er vært for det amerikanske energiministeriums Fermi National Accelerator Laboratory (Fermilab) og involverer mere end 400 videnskabsmænd fra 25 institutioner i syv nationer.

Samarbejdet har katalogiseret hundredvis af millioner af galakser ved hjælp af fotografier af nattehimlen taget af det 570-megapixel Dark Energy Camera, et af verdens mest kraftfulde digitale kameraer, over seks år (fra 2013 til 2019). Kameraet, hvis optiske korrektur blev bygget ved UCL, er monteret på et teleskop ved National Science Foundations Cerro Tololo Inter-American Observatory i Chile.

Flere oplysninger: N. Jeffrey et al., Dark Energy Survey år 3 resultater:sandsynlighedsfri, simulationsbaseret wCDM-inferens med neural komprimering af kortstatistik med svag linse, arXiv (2024). DOI:10.48550/arxiv.2403.02314

Leveret af University College London