in

LOLLOL LOVELOVE TUGYTUGY WOWWOW

Naučnici iznenađeni: Neuralna mreža uspjela je izračunati sastav cijelog virtualnog svemira uz pomoć samo jedne galaksije

Skupina naučnika naišla je na radikalan način pristupa kozmologiji

Naučni tim s Instituta Flatiron u New Yorku otkrio je algoritam koji nekim čudom može izračunati sastav cijelih simuliranih svemira uz pomoć vrlo ograničene količine podataka.

Skupina naučnika naišla je na radikalan način pristupa kozmologiji. Dosadašnje metode sagledavanja sastava svemira temeljile su se na promatranju što većeg broja uzoraka. Najnovija metoda uključuje strojno učenje i omogućava predviđanje sastava cijelog digitalnog svemira temeljeno na samo jednoj simuliranoj galaksiji. Računari su, čini se, pronašli uzorak koji bi jednog dana astronomima mogao pružiti pristup velikom broju saznanja o pravom svemiru proučavanjem njegovih sastavnih dijelova.

“Riječ je o radikalnoj novoj ideji”, rekao je Francisco Villaescusa-Navarro, teoretski astrofizičar u Institutu Flatiron u New Yorku i autor naučnog rada.

“Umjesto da mjerimo milione galaksija, možemo uzeti samo jednu. Apsolutno je nevjerovatno to da ova metoda funkcionira”, nastavio je.

Novo otkriće je, doduše, nastalo slučajno – iz vježbe koju je Villaescusa-Navarro dao Jupiter Ding, studentici na Princetonu. Njezin zadatak bio je stvoriti neuralnu mrežu koja, uz poznavanje svojstava galaksije, može procijeniti nekoliko kozmoloških atributa. Zadatak je smišljen kako bi Ding naučila više o strojnom učenju, ali sve je iznenadilo to kako računar precizno predviđa i izračunava gustoću tvari, piše Quantum Magazine.

“Prvo sam mislio da je studentica napravila neku grešku”, prisjeća se Villaescusa-Navarro.

“Bilo mi je teško povjerovati u to, da budem iskren”, rekao je.

Rezultati naknadnog istraživanja uključuju sagledavanje 2000 digitalnih svemira koje je stvorio projekt Simulacija kozmologije i astrofizike strojnim učenjem (Cosmology and Astrophysics with Machine Learning Simulations, skraćeno CAMELS). Svi svemiri imali su različite kompozicije, od 10 do 50 posto tvari u odnosu na 90 do 50 posto tamne energije (koja potiče svemir na brže širenje).

Poređenja radi, naš se kozmos sastoji od oko trećine tamne tvari i dvije trećine tamne energije. Sve simulirane galaksije uključile su grubo uračunavanje složenih događaja poput supernova i mlazova koji izbijaju iz supermasivnih crnih rupa.

Neuralna mreža proučila je preko milion simuliranih galaksija smještenih unutar različitih digitalnih svemira. Iz ove perspektive mreža je znala veličinu svake galaksije, njezinu masu i oko dvanaest drugih karakteristika. Njezin je cilj bio povezati listu podataka s gustoćom tvari u svemiru i to joj je pošlo za rukom. Nakon što su pokrenuli testiranje hiljadu galaksija koje još nije istražila mreža je predvidjela kozmičku gustoću tvari u toleranciji od 10 posto.

“Nije važno to koju galaksiju posmatrate, niko nije mislio da su moguće ovakve stvari”, komentirao je Villaescusa-Navarro.