Потрібна лише одна галактика. Вчені вигадали революційний спосіб досліджувати Всесвіт

Про відкриття дослідники докладно розповідають у статті, яка зараз доступна на сервері препринтів arXiv і проходить наукову перевірку перед публікацією в науковому журналі. НВ обрав найцікавіше з матеріалу Quanta Magazine, який розповів найцікавіші деталі роботи вчених.

Франсіско Вілаєскуза-Наварро, астрофізик з Інституту Флетайрон у Нью-Йорку, дав завдання одному зі своїх студентів — Юпітеру Діну з Принстонського університету — побудувати нейромережу, яка зможе підрахувати деякі космологічні характеристики, з огляду на певні властивості галактики.

Однак потім вони помітили, що комп’ютер почав підраховувати загальну густину матерії. Це було дивно, адже такого завдання ніхто не ставив.

Тоді дослідники вирішили «згодувати» нейромережі 2 тис. цифрових всесвітів, створених у межах проєкту CAMELS, у яких існувало близько мільйона цифрових галактик. Кожен всесвіт відрізнявся від інших зокрема й й за складом — у яких кількість матерії становила лише 5%, тоді як решта складалася з темної матерії та темної енергії; за іншими звичайна матерія становила близько 50%. Також у цих Всесвітах «вибухали» наднові зірки й існували надмасивні чорні діри з різним ступенем активності.

Дін виконував роль Бога — він знав розмір, склад, масу та безліч інших характеристик кожної з мільйонів галактик. Своїм головним завданням він вважав пошук зв’язку у цих характеристиках. Наприклад, з часом алгоритм навчився пророкувати, в якій галактиці щільність матерії досягатиме 10%.

Вчені здивувалися роботі нейромережі, адже галактики — це досить хаотичні та важкопередбачувані системи: якісь формуються досить швидко і потім практично не взаємодіють із навколишніми космічними об'єктами; інші формуються шляхом злиття з сусідами, поїдаючи зірки та карликові галактики. Дослідники витратили півроку, щоб зрозуміти, як саме алгоритм став таким, яким він став. Вільяескуза-Наварро пояснює це тим, що нейромережі «дуже потужні, але ліниві» — тобто комп’ютер міг навчитися виводити значення щільності матерії не аналізуючи галактики, а скориставшись якоюсь помилкою або «підказкою» у моделюванні.

І тут починається найцікавіше. Провівши серію різних експериментів, дослідники зрозуміли, як алгоритм визначає космічну густину. Загалом на цей показник впливало 17 різних властивостей.

Найголовнішим показником виявилася швидкість обертання галактики — що швидше крутиться галактика, то більше матерії зосереджується у її центрі. Якщо у всесвіті багато темної матерії, галактики будуть важчими, що призведе до більш швидкого обертання.

Однак алгоритм має серйозний козир перед людською інтерпретацією даних. Він може визначити лише кілька властивостей і на основі цих даних вивести певну тенденцію, яка виявиться вірною.

Дослідники дійшли висновку, що в теорії ми можемо вивчити Чумацький Шлях та сусідні галактики, щоб отримати більш точні дані про кількість матерії у нашому Всесвіті. Вільяескуза-Наварро вважає, що роботу нейромережі можна поліпшити і отримати вирішення інших космічних загадок на кшталт швидкості розширення Всесвіту.

Проте про практичне використання нейромережі говорити поки що рано. Справа в тому, що проєкт CAMELS моделює Всесвіт, використовуючи два різні підходи, а нейромережа не може адаптуватися до двох моделей одночасно, працюючи безпомилково з одним типом симуляцій і помиляючись з іншим. Виходить, комп’ютер підходить до вирішення завдань тільки з одного боку, і щоб адаптуватися до інших моделей, йому потрібно працювати з нуля. Тому адаптуватися до Чумацького Шляху та інших галактик, які працюють за реальними законами фізики нейромережі, буде досить складно.

Тим не менш, Вільяескуза-Наварро зазначає, що навіть зараз нейронна мережа може відіграти важливу роль у майбутніх дослідженнях. Її робота з моделями всесвітів показала, що реальний космос може дійсно мати подібний зв’язок між великими та (відносно) малими об'єктами — важливо лише розуміти, куди і як дивитися.