doi.org/10.1038/s41550-024-02344-2
Credibilidade: 989
#Universo
Uma nova inteligência artificial está melhorando as estimativas dos parâmetros cosmológicos, o que está ajudando a compreender melhor a expansão e a estrutura do universo.
O modelo padrão do universo depende de seis números fundamentais. Utilizando um novo método alimentado por IA, pesquisadores do Flatiron Institute e seus colegas conseguiram extrair informações ocultas na distribuição das galáxias, estimando cinco desses parâmetros cosmológicos com uma precisão sem precedentes.
Em comparação com técnicas convencionais que usam os mesmos dados das galáxias, essa abordagem reduziu pela metade a incerteza relacionada ao parâmetro que descreve a distribuição da matéria no universo. Além disso, o método baseado em IA produziu resultados que estão de acordo com outras observações, como a luz mais antiga do universo.
Esse novo método, chamado **Simulação Inference-Based of Galaxies** (ou SimBIG), foi detalhado em uma série de artigos, incluindo um estudo recente publicado na revista *Nature Astronomy*.
Aperfeiçoando a Compreensão Cosmológica com o SimBIG
A capacidade de obter estimativas mais precisas dos parâmetros usando os mesmos dados será crucial para estudar desde a composição da matéria escura até a energia escura, que está impulsionando a expansão do universo, explica Shirley Ho, coautora do estudo e pesquisadora do Flatiron Institute. Isso se tornará ainda mais importante à medida que novos levantamentos do cosmos sejam realizados nos próximos anos.
A Importância dos Levantamentos Cosmológicos
“Cada um desses levantamentos custa centenas de milhões a bilhões de dólares”, afirma Ho. “A principal razão para a existência desses levantamentos é entender melhor esses parâmetros cosmológicos. Se pensarmos de forma prática, esses parâmetros valem milhões de dólares cada. Queremos obter a melhor análise possível para extrair o máximo de conhecimento desses dados e expandir nossa compreensão do universo.”
Os seis parâmetros cosmológicos descrevem a quantidade de matéria comum, matéria escura e energia escura no universo, além de condições do Big Bang, como a opacidade do universo recém-formado e se a massa está distribuída de maneira uniforme ou em aglomerados. Esses parâmetros funcionam como “configurações” que determinam como o universo opera em grande escala, explica Liam Parker, coautor do estudo publicado na *Nature Astronomy*.
Usando IA para Revelar Novos Detalhes Cósmicos
Uma das maneiras mais importantes de os cosmólogos calcularem esses parâmetros é estudando a aglomeração das galáxias. Anteriormente, essas análises só observavam a distribuição das galáxias em grande escala.
“Não conseguíamos analisar em pequenas escalas”, diz ChangHoon Hahn, pesquisador da Universidade de Princeton e autor principal do estudo. “Já sabíamos há algum tempo que havia mais informações lá, mas não tínhamos uma maneira eficaz de extraí-las.”
Técnicas Baseadas em IA e Aplicações Futuras
Hahn sugeriu uma maneira de usar IA para explorar essas informações em pequenas escalas. O plano tinha duas fases: primeiro, treinar um modelo de IA para determinar os valores dos parâmetros cosmológicos com base na aparência de universos simulados; depois, aplicar esse modelo a observações reais da distribuição de galáxias.
Para isso, Hahn, Ho, Parker e seus colegas treinaram o modelo utilizando 2.000 universos simulados da suíte de simulações Quijote, desenvolvida pelo CCA. Cada um desses universos foi criado com diferentes valores dos parâmetros cosmológicos. As simulações também incluíam imperfeições dos telescópios e da atmosfera, para que o modelo tivesse uma prática realista. “Esse é um grande número de simulações, mas ainda gerenciável”, afirma Hahn. “Sem o machine learning, seriam necessárias centenas de milhares.”
Ao processar as simulações, o modelo aprendeu a identificar como os parâmetros cosmológicos se correlacionam com pequenas diferenças na aglomeração de galáxias, como a distância entre pares de galáxias. O SimBIG também aprendeu a extrair informações da organização das galáxias em grande escala, observando a forma que três ou mais galáxias criam entre si, como triângulos alongados ou equiláteros.
Com o modelo treinado, os pesquisadores aplicaram-no a dados reais de 109.636 galáxias, coletados pelo levantamento espectroscópico Baryon Oscillation. O modelo conseguiu aumentar a precisão das estimativas dos parâmetros cosmológicos utilizando esses detalhes em pequena e grande escala, sendo equivalente a uma análise tradicional feita com quatro vezes mais galáxias. Isso é importante, diz Ho, pois o número de galáxias no universo é limitado. Conseguir maior precisão com menos dados pode ampliar os limites do que é possível descobrir.
Uma aplicação empolgante dessa precisão será na chamada crise cosmológica conhecida como **tensão de Hubble**. Essa tensão surge de estimativas divergentes da constante de Hubble, que descreve a velocidade com que o universo está se expandindo.
IA e Novas Descobertas no Universo
Estudos futuros, combinando esses novos levantamentos do cosmos com o SimBIG, ajudarão a esclarecer se a tensão de Hubble pode ser resolvida ou se será necessário revisar nosso modelo atual do universo. Isso pode revelar novas físicas relacionadas à energia escura e à expansão do universo, conclui Hahn.
Publicado em 30/09/2024 21h05
Artigo original:
Estudo original: