Sekelompok ilmuwan mungkin telah menemukan cara baru yang radikal untuk mempelajari kosmologi.
Ahli kosmologi biasanya menentukan komposisi alam semesta dengan mengamati sebanyak mungkin bagiannya. Tetapi para peneliti ini menemukan bahwa algoritme pembelajaran mesin dapat meneliti galaksi model tunggal dan memprediksi komposisi keseluruhan alam semesta digital tempat galaksi itu berada—mirip dengan menganalisis butiran pasir acak di bawah mikroskop dan menentukan massa Eurasia. Tampaknya mesin telah menemukan pola yang di masa depan memungkinkan para astronom untuk membuat kesimpulan skala besar tentang kosmos nyata hanya dengan mempelajari blok bangunan dasar.
"Ini adalah ide yang sama sekali berbeda. Alih-alih mengukur jutaan galaksi itu, Anda bisa mengambil satu saja. Mengejutkan bahwa itu berhasil," kata Francisco Villaescuza-Navarro, astrofisikawan teoretis di Flatiron Institute di New York dan penulis utama makalah tersebut.
Ini seharusnya tidak terjadi. Penemuan luar biasa itu muncul dari latihan yang diberikan Vilaescuza-Navarro kepada Jupiter Dean, seorang mahasiswa di Universitas Princeton: untuk membangun jaringan saraf yang, berdasarkan sifat-sifat galaksi, dapat memperkirakan beberapa atribut kosmologis. Tantangannya hanyalah memperkenalkan Dean pada pembelajaran mesin. Kemudian mereka memperhatikan bahwa komputer sedang menghitung kepadatan total materi. "Saya pikir siswa itu melakukan kesalahan," kata Villaescuza-Navarro. "Agak sulit bagi saya untuk percaya, jujur."
Para peneliti menganalisis 2000 alam semesta digital yang dibuat sebagai bagian dari proyek Cosmology and Astrophysics with Machine Learning Modeling (CAMELS). Alam semesta ini bervariasi dalam komposisi dari 10% hingga 50% materi, dengan sisanya adalah energi gelap, yang menyebabkan alam semesta mengembang lebih cepat dan lebih cepat (Kosmos kita yang sebenarnya adalah sekitar sepertiga materi gelap dan terlihat dan dua pertiga energi gelap ) . Saat simulasi berlangsung, materi gelap dan materi tampak bergabung menjadi galaksi. Simulasi juga mencakup perlakuan kasar terhadap fenomena kompleks seperti supernova dan ejeksi dari lubang hitam supermasif.
Jaringan saraf Dean mempelajari hampir 1 juta galaksi simulasi di berbagai alam semesta digital ini. Dari sudut pandangnya yang seperti dewa, dia mengetahui ukuran, komposisi, massa setiap galaksi, dan lebih dari selusin karakteristik lainnya. Dia berusaha menghubungkan daftar angka ini dengan kepadatan materi di alam semesta induk.
Itu berhasil. Ketika diuji pada ribuan galaksi baru dari lusinan alam semesta yang belum pernah dieksplorasi sebelumnya, jaringan saraf mampu memprediksi kepadatan materi kosmik dengan akurasi 10%. "Tidak masalah galaksi apa yang Anda lihat, tidak ada yang mengira ini akan mungkin terjadi," kata Villaescuza-Navarro.
Juga menarik:
- Space Entertainment Enterprise akan meluncurkan studio film luar angkasa pada tahun 2024
- Amazon Alexa akan menjadi asisten digital NASA dalam misi luar angkasa Artemis I
Kinerja algoritme membuat para peneliti kagum karena galaksi pada dasarnya adalah objek yang kacau. Beberapa terbentuk sekaligus, sementara yang lain tumbuh dengan memakan tetangga mereka. Galaksi raksasa cenderung mempertahankan materinya, sementara supernova dan lubang hitam di galaksi kerdil dapat mengeluarkan sebagian besar materi yang terlihat.
Salah satu interpretasinya adalah bahwa "Alam semesta dan/atau galaksi entah bagaimana jauh lebih sederhana daripada yang kita bayangkan." Tim menghabiskan enam bulan mencoba memahami bagaimana jaringan saraf menjadi begitu bijaksana. Mereka memeriksa untuk memastikan algoritme tidak hanya menemukan cara untuk mendapatkan kepadatan dari kode simulasi, bukan dari galaksi itu sendiri. Melalui serangkaian percobaan, para peneliti memahami bagaimana algoritma menentukan kepadatan kosmik. Dengan berulang kali melatih ulang jaringan, secara sistematis menyembunyikan berbagai sifat galaksi, mereka berfokus pada atribut yang paling penting.
Jaringan saraf mengungkapkan hubungan yang jauh lebih tepat dan kompleks antara sekitar 17 sifat galaksi dan kepadatan materi. Hubungan ini tetap ada meskipun terjadi penggabungan galaksi, ledakan bintang, dan letusan lubang hitam.
Studi ini memang menunjukkan bahwa, secara teori, studi komprehensif tentang Bima Sakti dan mungkin beberapa galaksi terdekat lainnya dapat memungkinkan pengukuran materi yang sangat tepat di alam semesta kita. Eksperimen semacam itu, kata Villaescuz-Navarro, dapat memberikan petunjuk tentang jumlah signifikansi kosmik lainnya, seperti jumlah massa yang tidak diketahui dari tiga jenis neutrino di alam semesta.
Peneliti bersukacitalah bahwa jaringan saraf dapat menemukan pola dalam galaksi yang berantakan dari dua simulasi independen. Penemuan digital meningkatkan kemungkinan bahwa alam semesta yang sebenarnya mungkin memiliki hubungan serupa antara yang besar dan yang kecil.
Ini adalah hal yang sangat baik. Ini membangun hubungan antara seluruh alam semesta dan satu galaksi.
Baca juga:
- Para astronom telah menemukan kelas baru nebula galaksi
- Para ilmuwan untuk pertama kalinya mengkonfirmasi penggabungan lubang hitam yang eksentrik