L’intelligence artificielle nous permet de préciser les « ajustements » de l’univers

MADRID, le 27 août. (EUROPA PRESS) –

Des informations cachées dans la distribution des galaxies ont été extraites pour estimer les valeurs de cinq des six paramètres du modèle standard de l’univers avec une précision incroyable, selon les auteurs.

Comparée aux techniques conventionnelles utilisant les mêmes données galactiques, la nouvelle approche des chercheurs du Institut Flatiron et ses collègues donnent moins de la moitié de l’incertitude pour le paramètre décrivant l’agglomération de la matière dans l’univers. La méthode basée sur l’IA concordait également étroitement avec les estimations de paramètres cosmologiques basées sur l’observation d’autres phénomènes, comme la plus ancienne lumière de l’univers.

Les chercheurs présentent leur méthode, la Inférence basée sur la simulation de galaxies (ou SimBIG)dans une série d’articles récents, dont une nouvelle étude publiée dans Astronomie de la nature.

Générer des contraintes plus strictes sur les paramètres tout en utilisant les mêmes données sera crucial pour tout étudier, de la composition de la matière noire à la nature de l’énergie noire qui divise l’univers, dit-il. dans une déclaration Shirley Ho, co-auteur de l’étude, chef de groupe au Center for Computational Astrophysics (CCA) du Flatiron Institute de New York. Cela est d’autant plus vrai que de nouvelles études sur le cosmos seront menées dans les années à venir, dit-il.

Les six paramètres cosmologiques décrivent la quantité de matière ordinaire, de matière noire et d’énergie noire dans l’univers ainsi que les conditions qui ont suivi le Big Bang, telles que l’opacité de l’univers nouveau-né lors de son refroidissement et si la masse dans le cosmos est dispersée ou en grande quantité. groupes. Les paramètres “sont essentiellement les “configurations” de l’univers qui déterminent son fonctionnement aux plus grandes échelles”, Liam Parker, co-auteur de l’étude et analyste de recherche au CCA, l’explique dans un communiqué.

L’une des méthodes les plus utilisées par les cosmologistes pour calculer les paramètres consiste à étudier le regroupement des galaxies dans l’univers. Auparavant, ces analyses ne portaient que sur la distribution à grande échelle des galaxies.

“Nous n’avons pas réussi à atteindre une petite échelle” déclare ChangHoon Hahn, associé de recherche à l’Université de Princeton et auteur principal de l’étude. “Nous savions depuis quelques années qu’il y avait des informations supplémentaires là-bas ; nous n’avions tout simplement pas de bon moyen de les extraire.”

Hahn a proposé un moyen d’exploiter l’IA pour extraire ces informations à petite échelle. Son plan comportait deux phases. Premièrement, lui et ses collègues formeraient un modèle d’IA pour déterminer les valeurs des paramètres cosmologiques en fonction de l’apparence d’univers simulés. Ils montreraient ensuite à leur modèle des observations réelles de la distribution des galaxies.

SIMULATION AVEC 2 000 UNIVERS

Hahn, Ho, Parker et leurs collègues ont formé leur modèle en lui montrant 2 000 univers en forme de boîte issus du progiciel de simulation Quichotte développé par CCA, chaque univers étant créé en utilisant différentes valeurs pour les paramètres cosmologiques. Les chercheurs même Ils ont fait ressembler les 2 000 univers à des données générées par des études galactiques, y compris les défauts de l’atmosphère et des télescopes eux-mêmes, pour donner au modèle une pratique réaliste.

“Il y a beaucoup de simulations, mais c’est un montant gérable”, dit Hahn. “Si vous n’aviez pas d’apprentissage automatique, vous en auriez besoin de centaines de milliers.”

En ingérant les simulations, le modèle a appris au fil du temps comment les valeurs des paramètres cosmologiques sont en corrélation avec les différences à petite échelle dans le regroupement des galaxies, telles que la distance entre les paires individuelles de galaxies. SimBIG a également appris à extraire des informations de la disposition générale des galaxies dans l’univers en observant trois galaxies ou plus à la fois et en analysant les formes créées entre elles, comme des triangles longs et étirés ou des triangles équilatéraux trapus.

Une fois le modèle entraîné, les chercheurs lui ont présenté 109 636 galaxies réelles mesurées par le Baryon Oscillation Spectroscopique Survey. Comme ils s’y attendaient, le modèle a tiré parti des détails des données à petite et grande échelle pour augmenter la précision de ses estimations des paramètres cosmologiques. Ces estimations étaient si précises qu’elles étaient équivalentes à une analyse traditionnelle utilisant environ quatre fois plus de galaxies.

C’est important, dit Ho, car l’univers ne compte qu’un certain nombre de galaxies. En obtenant une plus grande précision avec moins de données, SimBIG peut repousser les limites du possible.

Selon Hahn, une application passionnante de cette précision sera la crise cosmologique connue sous le nom de souche Hubble. La tension provient de désaccords dans les estimations de la constante de Hubble, qui décrit la rapidité avec laquelle tout se développe dans l’univers.

Pour calculer la constante de Hubble, il est nécessaire d’estimer la taille de l’univers à l’aide de « règles cosmiques ». Les estimations basées sur la distance aux étoiles explosives appelées supernovae dans les galaxies lointaines sont environ 10 % plus élevées que celles basées sur l’espacement des fluctuations de la lumière la plus ancienne de l’univers.