Compreensão mais precisa da energia escura obtida usando IA

Um mapa de matéria derivado de um dos universos simulados. As áreas mais claras do mapa mostram as regiões onde a matéria escura é mais densa. Estes correspondem a superaglomerados de galáxias. As manchas escuras, quase pretas, são vazios cósmicos, os grandes espaços vazios entre aglomerados de galáxias. Crédito:Niall Jeffrey e outros

Uma equipa de investigação liderada pela UCL utilizou técnicas de inteligência artificial (IA) para inferir a influência e as propriedades da energia escura com mais precisão a partir de um mapa da matéria escura e visível no Universo que cobre os últimos 7 mil milhões de anos.

O estudo, submetido aos Avisos Mensais da Royal Astronomical Society e disponível no arXiv servidor de pré-impressão, foi realizado pela colaboração Dark Energy Survey. Os investigadores duplicaram a precisão com que as principais características do Universo, incluindo a densidade geral da energia escura, podiam ser inferidas a partir do mapa.

Esta maior precisão permite aos investigadores descartar modelos do universo que anteriormente poderiam ter sido concebíveis.

A energia escura é a força misteriosa que está acelerando a expansão do universo e acredita-se que represente cerca de 70% do conteúdo do universo (com a matéria escura, matéria invisível cuja gravidade atrai as galáxias, representando 25%, e a matéria normal apenas 5%). ).

Niall Jeffrey (UCL Physics &Astronomy), autor principal, disse:“Usando a IA para aprender com universos simulados por computador, aumentamos a precisão de nossas estimativas das principais propriedades do universo por um fator de dois.

"Para alcançar esta melhoria sem estas novas técnicas, precisaríamos de quatro vezes mais dados. Isto seria equivalente a mapear mais 300 milhões de galáxias."

Lorne Whiteway (UCL Física e Astronomia) disse:"Nossas descobertas estão alinhadas com a melhor previsão atual da energia escura como uma 'constante cosmológica' cujo valor não varia no espaço ou no tempo. No entanto, eles também permitem flexibilidade para que uma explicação diferente seja correta. Por exemplo, ainda pode ser que a nossa teoria da gravidade esteja errada."

Em linha com análises anteriores do mapa Dark Energy Survey, publicado pela primeira vez em 2021, as descobertas sugerem que a matéria no Universo está espalhada de forma mais suave – menos irregular – do que a teoria da relatividade geral de Einstein poderia prever. No entanto, a discrepância foi menos significativa para este estudo em comparação com a análise anterior, uma vez que as barras de erro eram maiores.

O mapa do Dark Energy Survey foi obtido através de um método chamado lente gravitacional fraca – isto é, vendo como a luz de galáxias distantes foi curvada pela gravidade da matéria interveniente no seu caminho para a Terra.

A colaboração analisou distorções nas formas de 100 milhões de galáxias para inferir a distribuição de toda a matéria, tanto escura como visível, no primeiro plano dessas galáxias. O mapa resultante cobriu um quarto do céu no Hemisfério Sul.

Para o novo estudo, os investigadores usaram supercomputadores financiados pelo governo do Reino Unido para executar simulações de diferentes universos com base nos dados do mapa de matéria Dark Energy Survey. Cada simulação tinha um modelo matemático diferente do universo que a sustentava.

Os pesquisadores criaram mapas de matéria a partir de cada uma dessas simulações. Um modelo de aprendizado de máquina foi usado para extrair as informações desses mapas que eram relevantes para os modelos cosmológicos. Uma segunda ferramenta de aprendizado de máquina, aprendendo com os muitos exemplos de universos simulados com diferentes modelos cosmológicos, analisou os dados reais observados e deu as chances de qualquer modelo cosmológico ser o verdadeiro modelo do nosso universo.

Esta nova técnica permitiu aos investigadores utilizar muito mais informação dos mapas do que seria possível com o método anterior. As simulações foram executadas nas instalações DiRAC High Performance Computing (HPC).

A próxima fase dos projetos do universo escuro - incluindo a missão Euclid da Agência Espacial Europeia, lançada no verão passado - aumentará enormemente a quantidade de dados que temos sobre as estruturas de grande escala do universo, ajudando os pesquisadores a determinar se a suavidade inesperada do universo é um sinal de que os modelos cosmológicos atuais estão errados ou se há outra explicação para isso.

Atualmente, esta suavidade está em desacordo com o que seria previsto com base na análise da radiação cósmica de fundo em micro-ondas (CMB) – a luz que sobrou do Big Bang.

A colaboração Dark Energy Survey, da qual a UCL é membro fundador, é organizada pelo Fermi National Accelerator Laboratory (Fermilab) do Departamento de Energia dos EUA e envolve mais de 400 cientistas de 25 instituições em sete países.

A colaboração catalogou centenas de milhões de galáxias, usando fotografias do céu noturno tiradas pela Dark Energy Camera de 570 megapixels, uma das câmeras digitais mais poderosas do mundo, ao longo de seis anos (de 2013 a 2019). A câmera, cujo corretor óptico foi construído na UCL, está montada em um telescópio no Observatório Interamericano Cerro Tololo da National Science Foundation, no Chile.

Mais informações: N. Jeffrey et al, Resultados do ano 3 da pesquisa de energia escura:inferência wCDM baseada em simulação e livre de probabilidade com compressão neural de estatísticas de mapas de lentes fracas, arXiv (2024). DOI:10.48550/arxiv.2403.02314
Fornecido pela University College London

Os telescópios Webb e Hubble afirmam a taxa de expansão do universo, mas o enigma persiste

A lua de Saturno é um campo de testes para obter uma melhor compreensão da molécula de metano

Astronomia