Sindobatam

Dapatkan berita terbaru

Kecerdasan buatan mengungkap rahasia energi gelap dalam sebuah penelitian perintis

Kecerdasan buatan mengungkap rahasia energi gelap dalam sebuah penelitian perintis

Survei Energi Gelap telah meningkatkan pemahaman kita tentang alam semesta, menggandakan keakuratan pengukuran energi gelap melalui kecerdasan buatan dan teknik simulasi, serta memberikan wawasan tentang struktur alam semesta dan potensi kebutuhan akan model kosmologis baru. Kredit: SciTechDaily.com

Sebuah tim peneliti yang dipimpin UCL telah menggunakan teknik kecerdasan buatan (AI) untuk menyimpulkan secara lebih akurat pengaruh dan sifat energi gelap dari peta materi gelap dan tampak di alam semesta selama tujuh miliar tahun terakhir.

Studi yang dilakukan oleh Proyek Survei Energi Gelap (Dark Energy Survey Project) ini menggandakan resolusi yang dapat digunakan untuk menyimpulkan sifat-sifat utama alam semesta, termasuk kepadatan energi gelap secara keseluruhan, dari peta.

Peningkatan resolusi ini memungkinkan para peneliti untuk mengesampingkan model alam semesta yang sebelumnya dapat dibayangkan.

Kemajuan dalam pemahaman kosmis

Energi gelap adalah kekuatan misterius yang mempercepat perluasan alam semesta dan diperkirakan membentuk sekitar 70% dari isi alam semesta (dengan materi gelap, benda tak kasat mata yang gravitasinya menarik galaksi, berjumlah 25%, dan materi biasa hanya 5% ). ).

Penulis utama Dr Niall Jeffery (UCLA Physics & Astronomy) mengatakan: “Dengan menggunakan kecerdasan buatan untuk belajar dari alam semesta yang disimulasikan komputer, kami telah meningkatkan keakuratan perkiraan kami tentang sifat-sifat utama alam semesta sebanyak dua kali lipat.

“Untuk mencapai kemajuan ini tanpa teknik-teknik baru ini, kita memerlukan jumlah data empat kali lipat. Ini setara dengan memetakan 300 juta galaksi lainnya.”

Rekan penulis Dr Lorne Whiteway (UCLA Physics & Astronomy) mengatakan: “Temuan kami konsisten dengan prediksi terbaik saat ini tentang energi gelap sebagai ‘konstanta kosmologis’ yang nilainya tidak berubah seiring ruang atau waktu. Namun, hal ini juga memberikan fleksibilitas agar penafsiran yang berbeda menjadi valid. Misalnya, teori gravitasi kita mungkin saja salah.

Peta materi yang berasal dari simulasi alam semesta

Peta materi berasal dari salah satu alam semesta yang disimulasikan. Area yang lebih terang pada peta menunjukkan area yang materi gelapnya lebih padat. Ini sesuai dengan superkluster galaksi. Bintik-bintik gelap dan hampir hitam adalah kekosongan kosmik, ruang kosong yang luas di antara gugus galaksi. Kredit: Niall Jeffery dkk

Memperbaiki model kosmologis

Sejalan dengan analisis peta Survei Energi Gelap sebelumnya, yang pertama kali diterbitkan pada tahun 2021, hasilnya menunjukkan bahwa materi di alam semesta tersebar lebih lancar – tidak menggumpal – dibandingkan prediksi teori relativitas umum Einstein. Namun, perbedaan yang terjadi pada penelitian ini tidak terlalu signifikan dibandingkan analisis sebelumnya, yang mana bilah kesalahannya lebih besar.

READ  Nyamuk Florida dinyatakan positif malaria saat petugas menyemprot area - Ars Technica

Peta Survei Energi Gelap diperoleh melalui metode yang disebut pelensaan gravitasi lemah, yaitu melihat bagaimana cahaya dari galaksi jauh dibelokkan oleh gravitasi materi yang mengintervensi dalam perjalanannya ke Bumi.

Kolaborasi ini menganalisis distorsi bentuk 100 juta galaksi untuk menyimpulkan distribusi semua materi, baik gelap maupun terang, di latar depan galaksi tersebut. Peta yang dihasilkan mencakup seperempat langit di belahan bumi selatan.

Dalam studi baru ini, para peneliti menggunakan superkomputer yang didanai oleh pemerintah Inggris untuk menjalankan simulasi berbagai alam semesta berdasarkan data dari peta materi Dark Energy Survey. Setiap simulasi memiliki model matematika berbeda dari alam semesta yang mendukungnya.

Para peneliti membuat peta materi dari setiap simulasi tersebut. A Pembelajaran mesin Model tersebut digunakan untuk mengekstrak informasi dalam peta tersebut yang relevan dengan model kosmologis. Alat pembelajaran mesin kedua, yang mempelajari berbagai contoh alam semesta yang disimulasikan oleh model kosmologis yang berbeda, melihat data nyata yang diamati dan memberikan probabilitas bahwa model kosmologis mana pun adalah model sebenarnya dari alam semesta kita.

Teknik baru ini memungkinkan peneliti untuk menggunakan lebih banyak informasi dari peta dibandingkan dengan metode sebelumnya.

Simulasi dilakukan di fasilitas DiRAC High Performance Computing (HPC), yang didanai oleh Dewan Fasilitas Sains dan Teknologi Inggris (STFC).

Eksplorasi masa depan dalam kosmologi

Fase berikutnya dari proyek alam semesta gelap – termasuk misi Euclid Badan Antariksa Eropa (ESA), yang diluncurkan musim panas lalu – akan secara dramatis meningkatkan jumlah data yang kita miliki tentang struktur skala besar alam semesta, membantu para peneliti menentukan apakah… Kehalusan alam semesta yang tak terduga berkontribusi pada peningkatan ukuran alam semesta yang gelap. Entropi adalah tanda bahwa model kosmologis saat ini salah atau ada penjelasan lain.

READ  Sepasang galaksi bersinar dalam gambar baru dari Webb, Teleskop Hubble

Saat ini, kehalusan ini bertentangan dengan apa yang diperkirakan berdasarkan analisis latar belakang gelombang mikro kosmik (CMB) – sisa cahaya dari alam semesta. ledakan besar itu.

Laboratorium Akselerator Nasional Fermi (Fermilab) Departemen Energi AS menjadi tuan rumah Kolaborasi Survei Energi Gelap, di mana UCL adalah salah satu anggota pendirinya, dan mencakup lebih dari 400 ilmuwan dari 25 institusi di tujuh negara.

Kolaborasi ini menghasilkan katalogisasi ratusan juta galaksi, menggunakan gambar langit malam yang diambil oleh Dark Energy Camera 570 megapiksel, salah satu kamera digital paling canggih di dunia, selama periode enam tahun (dari 2013 hingga 2019). Kamera, yang korektor optiknya diproduksi di Universitas California, dipasang pada teleskop di Cerro Tololo Inter-American Observatory milik National Science Foundation di Chili.

Referensi: “Hasil Survei Energi Gelap Tahun ke-3: Inferensi wCDM Berbasis Simulasi dan Bebas Probabilitas dengan Kompresi Neural untuk Statistik Peta Pelensaan Lemah” oleh N. Jeffrey, L. Whiteway, M. Gatti, J. Williamson, J. Alsing, 2005 ; A. Buridone, J. Pratt, C. Du, B. Jain, C. Chang, T.-Y. Cheng, Kakprzak T, Lemos P, Alarcón A, Amon-Amon, Bechtol K, Becker MR, Bernstein JM, Fields A, Lamb-Russell, Chen R, Choi A, DeRose J, A, Drlica-Wagner, Eckert K, Everett .ES, Ferté A, Gruen D, Gruendl RA, Herner K, Jarvis M, McCullough J, Myles J, Navarro-Alsina A, Pandey S, Raveri M, Rollins RP, Rykoff ES, Sanchez C, Secco LF, Sevilla-Noarbe Saya, Sheldon E, Shin T, Troxel MA, Tutusaus I, Varga TN, Yanny B, Yin B, J. Phys.[ PubMed ]Zuntz,M.Aguena,SS Allam,O Alves,D,Bacon,S,Bocquet,D,Brooks,LN da Costa,TM Davis,J,De Vicente,S,Desai,HT,Diehl,I,Ferrero, J, Frieman, J Garcia-Bellido, E Gaztanaga, Giannini G, Gutierrez G, Hinton SR, Hollowwood DL, Honscheid K, Huterer D, DJ James, Lahav O, Lee S, Marshall JL, J.Mena-Fernandez, R. Miquel, A. Pieres, A. A. Malagon Squares, A. Roodman, M. Sako, E. Sanchez, D. Sanchez Sayed, M. Smith, E. Sucheta, MEC Swanson, J. Tarley, DL Tucker, N. Weverdike, J. Wheeler, B. Weissman, dan M. Yamamoto Kosmologi dan astrofisika non-galaksi.
arXiv:2403.02314

READ  Para peneliti sedang mempelajari efek jangka panjang dari COVID, termasuk bau yang terdistorsi dan lidah yang membesar