Astrophysiker nutzen KI zur präzisen Entschlüsselung kosmischer Parameter
BerlinAstrophysiker haben eine neue Methode entwickelt, künstliche Intelligenz zu nutzen, um die entscheidenden Faktoren des Universums genau zu messen. Die Arbeit, durchgeführt vom Flatiron Institute und ihren Partnern, verwendet KI, um verborgene Informationen in der Verteilung von Galaxien zu finden. Diese neue Methode liefert viel genauere Messungen dieser Faktoren als ältere Methoden.
Die sechs Hauptparameter der Kosmologie erläutern grundlegende Merkmale des Universums, wie zum Beispiel:
- Die Menge an gewöhnlicher Materie
- Die Menge an Dunkler Materie
- Die Menge an Dunkler Energie
- Zustände nach dem Urknall, einschließlich der Opazität des neu entstandenen Universums
- Ob die Masse im Kosmos verteilt oder in großen Klumpen konzentriert ist
Kosmologen untersuchen üblicherweise die großräumige Verteilung von Galaxien, um wichtige kosmische Parameter abzuschätzen. Doch neue Fortschritte zeigen, dass auch kleine Details wertvolle Informationen liefern können. Um diese Daten zu erforschen, entwickelten Forscher am Flatiron Institute und der Princeton University eine Methode namens Simulation-Based Inference of Galaxies (SimBIG). Dabei setzten sie ein KI-Modell ein, das auf simulierten Universen trainiert wurde, um die Zusammenhänge zwischen der Kleinskala-Galaxienverteilung und kosmologischen Parametern zu verstehen.
SimBIG hat einen großen Vorteil, da es viel weniger simulierte Universen als ältere Methoden benötigt. Mit nur 2.000 Simulationen aus der Quijote-Suite erreichte das KI-Modell eine hohe Genauigkeit. Dies spart viel Zeit und Rechenleistung. Das Modell wurde verbessert, indem die simulierten Daten echten Galaxienvermessungsdaten angeglichen und Unvollkommenheiten durch die Atmosphäre und Teleskope berücksichtigt wurden.
Das KI-Modell wurde mit realen Galaxiedaten aus der Baryon Oscillation Spectroscopic Survey getestet und es wurden 109.636 Galaxien analysiert. Die Ergebnisse zeigten eine hohe Genauigkeit, die mit traditionellen Methoden vergleichbar ist, die viermal so viele Galaxien verwenden. Dies ist besonders bedeutsam, da es nur eine begrenzte Anzahl von Galaxien im Universum gibt und es daher entscheidend ist, so viele Informationen wie möglich aus den vorhandenen Daten zu gewinnen.
Diese verbesserte Genauigkeit soll dazu beitragen, kosmische Ereignisse wie Dunkle Materie und Dunkle Energie besser zu verstehen. Sie könnte auch das Problem mit der Hubble-Konstanten lösen, bei dem unterschiedliche Messmethoden zu verschiedenen Ergebnissen führen. Mit den bevorstehenden astronomischen Erhebungen könnte die Kombination ihrer Daten mit der SimBIG-Methode dieses Problem möglicherweise beheben und neue Einblicke in die Expansion des Universums liefern.
Experten des Flatiron Institute's Center for Computational Astrophysics und Center for Computational Mathematics sowie der Princeton University, der University of Florida, der University of Waterloo und der University of Geneva arbeiten gemeinsam an dieser Forschung. Dies verdeutlicht das gemeinschaftliche Engagement mehrerer Institutionen zur Förderung der Kosmologie.
Die Studie wird hier veröffentlicht:
http://dx.doi.org/10.1038/s41550-024-02344-2und seine offizielle Zitation - einschließlich Autoren und Zeitschrift - lautet
ChangHoon Hahn, Pablo Lemos, Liam Parker, Bruno Régaldo-Saint Blancard, Michael Eickenberg, Shirley Ho, Jiamin Hou, Elena Massara, Chirag Modi, Azadeh Moradinezhad Dizgah, David Spergel. Cosmological constraints from non-Gaussian and nonlinear galaxy clustering using the SimBIG inference framework. Nature Astronomy, 2024; DOI: 10.1038/s41550-024-02344-2Diesen Artikel teilen