Метод, основанный на искусственном интеллекте, позволил извлекать информацию из распределения галактик и оценить значения пяти из шести космологических параметров
Исследователи из Института Флэтайрон и их коллеги представили новый подход, основанный на искусственном интеллекте, для оценки космологических параметров Вселенной. Этот метод, названный SimBIG, позволяет извлекать информацию, скрытую в распределении галактик, и оценивать значения пяти из шести космологических параметров с невероятной точностью.
Результаты исследования показали, что SimBIG дал менее половины неопределённости для параметра, описывающего скопление материи Вселенной, по сравнению с обычными методами. Кроме того, этот подход близко согласуется с оценками космологических параметров, основанными на наблюдениях других явлений, таких как старейший свет Вселенной.
По словам соавтора исследования Ширли Хо, создание более жёстких ограничений на параметры при использовании тех же данных будет иметь решающее значение для изучения всего, от состава тёмной материи до природы тёмной энергии, разделяющей Вселенную. Это важно, поскольку в течение следующих нескольких лет появятся новые обзоры, которые будут стоить до сотен миллиардов долларов.
Шесть космологических параметров описывают количество обычной материи, тёмной материи и тёмной энергии во Вселенной и условия после Большого взрыва. Параметры «по сути являются «настройками» Вселенной, которые определяют, как она функционирует на самых больших масштабах», — говорит Лиам Паркер, соавтор исследования.
Одним из важнейших способов расчёта параметров космологами является изучение кластеризации галактик во Вселенной. Ранее эти анализы рассматривали только крупномасштабное распределение галактик, но новый подход позволяет извлекать информацию из мелкомасштабных различий в кластеризации галактик.
Исследователи тренировали свою модель, показывая ей 2000 «Вселенных» из разработанного пакета моделирования Quijote, причём каждая «Вселенная» была создана с использованием различных значений космологических параметров. После обучения модели исследователи предоставили ей 109 636 реальных галактик из обзора Baryon Oscillation Spectroscopic Respect.
Результаты показали, что SimBIG может раздвинуть границы возможного, получая большую точность при меньшем количестве данных. Это важно, поскольку во Вселенной не так много галактик. Одним из захватывающих применений этой точности станет космологический кризис, известный как напряжение Хаббла.
Новые опросы, которые появятся в сети в ближайшие несколько лет, охватят больше истории Вселенной. Сочетание данных этих опросов с SimBIG лучше раскроет степень напряжения Хаббла и то, можно ли устранить несоответствие или же для этого потребуется пересмотренная модель Вселенной.
