Os astrofísicos desenvolveram uma rede neural que prevê parâmetros cosmológicos a partir das propriedades de galáxias individuais. Descobriu-se que o conhecimento do conjunto de propriedades astrofísicas de uma galáxia individual permite limitar o parâmetro cosmológico global da densidade da matéria no Universo com uma propagação relativa de cerca de 10%. Ao mesmo tempo, esse resultado não depende da massa específica, tamanho e tipo de galáxia.
O que é Cosmologia?
A cosmologia descreve o universo como um todo, em termos de propriedades fundamentais globais e valores médios que determinam o comportamento do nosso mundo. Apesar do fato de que nosso mundo pode ser considerado completamente homogêneo e integral apenas nas maiores escalas (na ordem do tamanho dos superaglomerados de galáxias), os parâmetros cosmológicos também afetam as propriedades de objetos menores.
Até o momento, não está totalmente claro por quanto tempo essa influência persiste – até que ponto pequenos sistemas astrofísicos continuam a armazenar informações sobre quantidades cosmológicas e se essas informações desaparecem em qualquer escala.
Uma nova abordagem: usando uma rede neural
Os cientistas decidiram descobrir quais parâmetros cosmológicos e com que precisão podem ser determinados com base em observações astrofísicas na escala de uma única galáxia. Para fazer isso, os físicos usaram um conjunto de 1000 simulações hidrodinâmicas, cada uma apresentada em duas versões: usando dois pacotes de software independentes.
Cada simulação descreveu a evolução de 33,5 milhões de partículas de simulação de matéria no volume cosmológico acompanhante com um tamanho linear moderno de cerca de 37 megaparsecs (uma distância típica entre galáxias vizinhas é de cerca de um megaparsec) na faixa de redshift de z = 127 a z = 0 , ou seja, até o estado moderno.
[Você pode obter os códigos fontes utilizados na simulação aqui.]
As simulações variaram os parâmetros cosmológicos da densidade média atual da matéria e a flutuação quadrática média dessa densidade média sobre o volume. O parâmetro de densidade da matéria bariônica (isto é, matéria comum, não escura) permaneceu fixo ao mesmo tempo.
Com base nos resultados de cada simulação, a compactação na estrutura final, que continha mais de 20 partículas modelo denotando matéria estelar, foi identificada como galáxias.
Para cada uma das galáxias, os físicos determinaram 14 parâmetros astrofísicos básicos que descrevem a massa de vários componentes da galáxia (o buraco negro central, gás, estrelas e o total, levando em conta a matéria escura), a velocidade orbital e suas características espalhadas dentro do halo galáctico, a composição química de estrelas e gás, e a velocidade de formação de estrelas, dimensões características e movimento próprio da galáxia (translacional e rotacional).
Em um dos dois pacotes de software, o brilho de cada galáxia foi adicionalmente determinado em três faixas. Ao mesmo tempo, os autores evitaram se dividir em quaisquer subgrupos e, posteriormente, não distinguiram as galáxias satélites das centrais.
Dividindo os resultados
Os pesquisadores dividiram aleatoriamente as simulações em três subconjuntos: um conjunto de treinamento de 850 simulações, um conjunto de validação de 100 e um conjunto de teste das 50 restantes. Nos dois primeiros conjuntos de simulações, os físicos treinaram a rede neural para prever a média e desvio padrão de parâmetros cosmológicos globais de um conjunto de parâmetros astrofísicos em uma galáxia separada e, na terceira, eles testaram o funcionamento do algoritmo comparando os parâmetros estimados com os valores reais.
Para quantificar os resultados, os cientistas calcularam a cada vez a dispersão relativa do parâmetro (a razão entre o desvio padrão e a expectativa matemática) e a precisão (a diferença entre o valor real e a expectativa matemática).
Para se livrar das distorções associadas à escolha de uma galáxia em particular (já que a previsão pode ser bem-sucedida por puro acaso), os autores calcularam a média desse valor para todas as galáxias formadas dentro da mesma simulação.
Como resultado, a rede neural aprendeu a prever o parâmetro de densidade de matéria a partir do conjunto de parâmetros astrofísicos de uma galáxia individual localizada dentro do redshift z<3, com uma propagação relativa média de 10 a 15 por cento e uma precisão média (desvio de o valor real na simulação) de cerca de 0,034?0,042 na faixa de valores do próprio parâmetro é 0,1 a 0,5.
Ao mesmo tempo, as correlações lineares entre o parâmetro de densidade da matéria e as propriedades astrofísicas individuais revelaram-se bastante fracas: o valor absoluto do coeficiente de correlação linear não excedeu 0,31 ao usar o primeiro pacote de software e 0,55 ao usar o segundo, e a correlação com a massa de componentes individuais, taxa de formação de estrelas e composição química das galáxias foi quase zero em ambos os casos.
O efeito mais perceptível da mudança na densidade da matéria foi observado na dependência entre a velocidade orbital máxima no halo galáctico e a massa estelar da galáxia, no entanto, esses dois parâmetros sozinhos do resto não foram suficientes para prever adequadamente a densidade . Segundo os autores, isso exclui a construção de um modelo linear simples.
Ao mesmo tempo, não foi possível determinar o parâmetro da flutuação quadrática média da densidade da matéria – um erro típico de previsão estatística cobriu quase toda a faixa de valores de parâmetros disponíveis e tornou o resultado pouco informativo.
Conclusões
Segundo os pesquisadores, isso se deve ao fato de que o último parâmetro afeta apenas as amplitudes das flutuações iniciais de densidade no volume simulado ? na saída da simulação, isso pode ser convertido na fração das galáxias mais massivas entre as demais, que não pode ser rastreado pela observação de uma galáxia.
Os autores enfatizam que, de fato, os parâmetros cosmológicos impõem restrições aos parâmetros astrofísicos das galáxias não separadamente, mas destacam o alcance permitido de sua variação em um espaço paramétrico multidimensional. Portanto, para aprender a verificar a cosmologia de maneira confiável com esse método, eles precisam de uma análise teórica mais completa e mais simulações de computador com redes neurais.
Além disso, para evitar conclusões incorretas, é necessário variar um conjunto mais amplo de parâmetros nas simulações e monitorar efeitos que mimetizem o efeito de alterar a densidade cosmológica da matéria, embora tenham uma natureza física diferente.
Publicado em 01/02/2022 07h45
Artigo original:
Estudo original:
Artigo relacionado: