Um grupo de cientistas pode ter encontrado uma maneira radicalmente nova de estudar cosmologia.
Os cosmólogos geralmente determinam a composição do universo observando o maior número possível de partes dele. Mas esses pesquisadores descobriram que um algoritmo de aprendizado de máquina pode examinar uma única galáxia modelada e prever a composição geral do universo digital em que ela existe – semelhante a analisar um grão de areia aleatório sob um microscópio e determinar a massa da Eurásia. Parece que as máquinas descobriram um padrão que no futuro pode permitir que os astrônomos façam inferências em larga escala sobre o cosmos real simplesmente estudando os blocos de construção elementares.
"Esta é uma ideia completamente diferente. Em vez de medir esses milhões de galáxias, você pode pegar apenas uma. É surpreendente que funcione", disse Francisco Villaescuza-Navarro, astrofísico teórico do Flatiron Institute em Nova York e principal autor do artigo.
Isto não deveria ter acontecido. A incrível descoberta surgiu de um exercício que Vilaescuza-Navarro deu a Júpiter Dean, um estudante da Universidade de Princeton: construir uma rede neural que, dadas as propriedades de uma galáxia, pudesse estimar alguns atributos cosmológicos. O desafio era simplesmente apresentar Dean ao aprendizado de máquina. Então eles notaram que o computador estava calculando a densidade total da matéria. "Achei que o aluno cometeu um erro", disse Villaescuza-Navarro. "Foi um pouco difícil para mim acreditar, para ser honesto."
Os pesquisadores analisaram 2000 universos digitais criados como parte do projeto Cosmology and Astrophysics with Machine Learning Modeling (CAMELS). Esses universos variavam em composição de 10% a 50% de matéria, com o restante sendo energia escura, o que está fazendo com que o universo se expanda cada vez mais rápido (Nosso cosmos real é cerca de um terço de matéria escura e visível e dois terços de energia escura) . À medida que a simulação avançava, a matéria escura e a matéria visível se fundiram em galáxias. As simulações também incluíram um tratamento aproximado de fenômenos complexos, como supernovas e ejetados de buracos negros supermassivos.
A rede neural de Dean estudou quase 1 milhão de galáxias simuladas nesses vários universos digitais. De sua perspectiva divina, ele conhecia o tamanho, composição, massa de cada galáxia e mais de uma dúzia de outras características. Ele procurou relacionar essa lista de números com a densidade da matéria no universo pai.
Conseguiu. Quando testada em milhares de novas galáxias de dezenas de universos não explorados anteriormente, a rede neural foi capaz de prever a densidade da matéria cósmica com uma precisão de 10%. “Não importa para qual galáxia você esteja olhando, ninguém pensou que isso seria possível”, disse Villaescuza-Navarro.
Também interessante:
- Space Entertainment Enterprise lançará um estúdio de filmes espaciais em 2024
- Amazon Alexa será assistente digital da NASA na missão espacial Artemis I
O desempenho do algoritmo surpreendeu os pesquisadores porque as galáxias são objetos inerentemente caóticos. Alguns são formados de uma só vez, enquanto outros crescem comendo seus vizinhos. Galáxias gigantes tendem a reter sua matéria, enquanto supernovas e buracos negros em galáxias anãs podem ejetar a maior parte de sua matéria visível.
Uma interpretação é que "O universo e/ou galáxias são de alguma forma muito mais simples do que imaginávamos". A equipe passou seis meses tentando entender como a rede neural se tornou tão sábia. Eles verificaram para ter certeza de que o algoritmo não havia encontrado uma maneira de derivar a densidade do código de simulação em vez das próprias galáxias. Por meio de uma série de experimentos, os pesquisadores entenderam como o algoritmo determina a densidade cósmica. Ao treinar repetidamente a rede, ocultando sistematicamente várias propriedades galácticas, eles se concentraram nos atributos mais importantes.
A rede neural revelou uma relação muito mais precisa e complexa entre aproximadamente 17 propriedades galácticas e a densidade da matéria. Essa conexão persiste apesar das fusões galácticas, explosões estelares e erupções de buracos negros.
O estudo sugere que, em teoria, um estudo abrangente da Via Láctea e talvez de algumas outras galáxias próximas poderia permitir uma medição extremamente precisa da matéria em nosso universo. Tal experimento, disse Villaescuz-Navarro, poderia fornecer pistas para outros números de significado cósmico, como a soma das massas desconhecidas dos três tipos de neutrinos no universo.
Pesquisadores regozije-se que a rede neural foi capaz de encontrar padrões nas galáxias confusas de duas simulações independentes. A descoberta digital levanta a possibilidade de que o cosmos real possa abrigar uma conexão semelhante entre o grande e o pequeno.
Isso é uma coisa muito boa. Ele estabelece uma conexão entre todo o universo e uma galáxia.
Leia também:
- Astrônomos descobriram uma nova classe de nebulosas galácticas
- Cientistas pela primeira vez confirmam a excêntrica fusão de buracos negros