Astrofysici gebruiken AI om de kosmos nauwkeurig te ontrafelen met nieuwe meetmethodes
AmsterdamAstrofysici hebben een innovatieve methode ontwikkeld om kunstmatige intelligentie te gebruiken voor het nauwkeurig meten van de belangrijkste factoren die het universum bepalen. Het team van het Flatiron Institute en hun partners maakt gebruik van AI om verborgen informatie te vinden in de verspreiding van sterrenstelsels. Deze nieuwe techniek levert veel nauwkeurigere metingen op dan oudere methoden.
De zes belangrijkste kosmologische parameters verklaren de fundamentele kenmerken van het universum, waaronder:
- De hoeveelheid gewone materie
- De hoeveelheid donkere materie
- De hoeveelheid donkere energie
- Omstandigheden na de oerknal, inclusief de ondoorzichtigheid van het pasgeboren universum
- Of massa in het heelal verspreid is of in grote klonten voorkomt
Kosmologen bestuderen meestal de grootschalige verspreiding van sterrenstelsels om belangrijke kosmische parameters te schatten. Recente vooruitgang toont echter aan dat ook kleinschalige details waardevolle informatie kunnen opleveren. Om deze gegevens te analyseren, hebben onderzoekers van het Flatiron Institute en Princeton University een methode ontwikkeld genaamd Simulation-Based Inference of Galaxies (SimBIG). Zij gebruikten een AI-model, getraind op gesimuleerde universums, om de verbanden tussen kleinschalige clustering van sterrenstelsels en kosmologische parameters te begrijpen.
SimBIG heeft een groot voordeel omdat het veel minder gesimuleerde universums nodig heeft dan oudere methoden. Met slechts 2.000 simulaties uit de Quijote-suite bereikte het AI-model al een hoge precisie. Dit bespaart veel tijd en rekenkracht. Het model werd verbeterd door de gesimuleerde gegevens te laten lijken op echte galaxy survey data, inclusief de onvolkomenheden van de atmosfeer en telescopen.
Het AI-model werd getest met echte gegevens van het Baryon Oscillation Spectroscopic Survey, waarbij 109.636 sterrenstelsels werden geanalyseerd. De resultaten toonden een hoge nauwkeurigheid, vergelijkbaar met traditionele methoden die vier keer zoveel sterrenstelsels gebruiken. Dit is van belang omdat het aantal sterrenstelsels in het universum beperkt is, dus het is cruciaal om zoveel mogelijk informatie uit de beschikbare data te halen.
De verbeterde nauwkeurigheid zal ons helpen om kosmische fenomenen zoals donkere materie en donkere energie beter te begrijpen. Tevens kan het bijdragen aan het oplossen van het vraagstuk rondom de Hubble-constante, waarbij verschillende meetmethoden uiteenlopende resultaten geven. Met de aankomende astronomische onderzoeken kan het combineren van hun gegevens met de SimBIG-methode mogelijk deze uitdaging aanpakken en nieuwe details onthullen over de uitdijing van het universum.
Deskundigen van het Flatiron Institute's Center for Computational Astrophysics en Center for Computational Mathematics, Princeton University, University of Florida, University of Waterloo en University of Geneva werken gezamenlijk aan dit onderzoek. Dit benadrukt een gezamenlijke inspanning van meerdere instellingen om de studie van de kosmologie te bevorderen.
De studie is hier gepubliceerd:
http://dx.doi.org/10.1038/s41550-024-02344-2en de officiële citatie - inclusief auteurs en tijdschrift - is
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/s41550-024-02344-220 november 2024 · 01:02
AI onderweg: compacte taalmodellen voor betere prestaties op mobiele apparaten
18 november 2024 · 14:36
Precieze gedragsstudies bij muizen dankzij AI: minder dieren en snellere resultaten
Deel dit artikel