IA para el estudio de la energía oscura
Por: University College of London.
11 de marzo de 2024
Un mapa de materia derivado de uno de los universos simulados. Las zonas más claras del mapa muestran las regiones donde la materia oscura es más densa. Estos corresponden a supercúmulos de galaxias. Las manchas oscuras, casi negras, son vacíos cósmicos, los grandes espacios vacíos entre cúmulos de galaxias. Crédito de la imagen: Niall Jeffrey et al.
Un equipo de investigación dirigido por la UCL ha utilizado técnicas de inteligencia artificial (IA) para inferir la influencia y las propiedades de la energía oscura con mayor precisión a partir de un mapa de la materia oscura y visible en el Universo que abarca los últimos 7 mil millones de años. El estudio, presentado a Monthly Notices of the Royal Astronomical Society y disponible en el servidor de preimpresión arXiv, fue realizado por la colaboración Dark Energy Survey.
Los investigadores duplicaron la precisión con la que se podían inferir del mapa las características clave del Universo, incluida la densidad general de la energía oscura. Esta mayor precisión permite a los investigadores descartar modelos del Universo que anteriormente podrían haber sido concebibles. La energía oscura es la fuerza misteriosa que está acelerando la expansión del Universo y se cree que constituye alrededor del 70% del contenido del Universo.
El autor principal, el Dr. Niall Jeffrey (Física y Astronomía de la UCL), dijo: "Al utilizar la IA para aprender de universos simulados por computadora, aumentamos la precisión de nuestras estimaciones de propiedades clave del Universo en un factor de dos. Para lograr esta mejora sin estas técnicas novedosas, necesitaríamos cuatro veces más cantidad de datos. Esto equivaldría a cartografiar otros 300 millones de galaxias".
Por su parte, el coautor Dr. Lorne Whiteway (Física y Astronomía de la UCL) declaró: "Nuestros hallazgos están en línea con la mejor predicción actual de la energía oscura como una 'constante cosmológica' cuyo valor no varía en el espacio o el tiempo. Sin embargo, también permiten que haya flexibilidad para que una explicación diferente sea correcta. Por ejemplo, aún podría ser que nuestra teoría de la gravedad esté equivocada".
En línea con análisis anteriores del mapa del Dark Energy Survey, publicado por primera vez en 2021, los hallazgos sugieren que la materia en el Universo está más uniformemente distribuida (menos grumosa) de lo que predeciría la teoría de la relatividad general de Einstein. Sin embargo, la discrepancia fue menos significativa para este estudio en comparación con el análisis anterior, ya que las barras de error eran más grandes.
El mapa del Dark Energy Survey se obtuvo mediante un método llamado lente gravitacional débil, es decir, viendo cómo la luz de galaxias distantes ha sido curvada por la gravedad de la materia intermedia en su camino hacia la Tierra. La colaboración analizó distorsiones en las formas de 100 millones de galaxias para inferir la distribución de toda la materia, tanto oscura como visible, en el primer plano de esas galaxias. El mapa resultante cubría una cuarta parte del cielo en el hemisferio sur.
Los investigadores crearon mapas de materia a partir de cada una de estas simulaciones. Se utilizó un modelo de aprendizaje automático para extraer la información de esos mapas que era relevante para los modelos cosmológicos. Una segunda herramienta de aprendizaje automático, que aprendió de los muchos ejemplos de universos simulados con diferentes modelos cosmológicos, examinó los datos reales observados y proporcionó las probabilidades de que cualquier modelo cosmológico fuera el verdadero modelo de nuestro Universo.
Esta nueva técnica permitió a los investigadores utilizar mucha más información de los mapas de la que sería posible con el método anterior. Las simulaciones se ejecutaron en las instalaciones de Computación de alto rendimiento (HPC) DiRAC. La próxima fase de proyectos sobre el Universo oscuro (incluida la misión Euclid de la Agencia Espacial Europea, lanzada el verano pasado) aumentará en gran medida la cantidad de datos que tenemos sobre las estructuras a gran escala del Universo, lo que ayudará a los investigadores a determinar si la inesperada suavidad del Universo oscuro es una señal de que los modelos cosmológicos actuales están equivocados o si hay otra explicación para ello.
Fuente:
https://phys.org/news/2024-03-precise-dark-energy-ai.html