Novo mapa criado pela IA revela ligações ocultas entre as galáxias da Via Láctea e de Andrômeda

Uma representação artística de como o céu noturno da Terra poderá parecer em quase 4 bilhões de anos, conforme a galáxia de Andrômeda (à esquerda) começa a se fundir com a Via Láctea. (Crédito da imagem: NASA / ESA / Z. Levay e R. van der Marel, STScI / T. Hallas / A. Mellinger)

Um novo mapa cósmico revelou estruturas ocultas conectando galáxias, o que poderia ajudar os cientistas a modelar uma futura colisão entre a Via Láctea e Andrômeda, a vizinha mais próxima de nossa galáxia.

O mapa, feito com aprendizado de máquina, também pode lançar mais luz sobre a influência da matéria escura na evolução do nosso universo, disseram os cientistas participantes em um comunicado da Universidade Estadual da Pensilvânia.

Quanto à colisão entre a Via Láctea e Andrômeda, que deve ocorrer em 4,5 bilhões de anos, o mapa traçou filamentos de matéria escura que ligam as duas galáxias e que podem afetar a fusão, disse a equipe.



A matéria escura representa cerca de 80% da matéria no universo, mas, junto com a energia escura, é mal compreendida. A matéria escura é invisível em comprimentos de onda de luz, por isso não pode ser vista com telescópios. No entanto, os cientistas podem mapear a influência da gravidade da matéria escura em grandes estruturas cósmicas, como galáxias.

“Como a matéria escura domina a dinâmica do universo, ela basicamente determina nosso destino”, disse o co-autor do estudo Donghui Jeong, professor associado de astronomia e astrofísica da Penn State, no comunicado. “Podemos pedir a um computador para evoluir o mapa por bilhões de anos para ver o que acontecerá no universo local. E podemos evoluir o modelo no tempo para entender a história de nossa vizinhança cósmica.”

Os pesquisadores construíram o mapa usando aprendizado de máquina, um tipo de inteligência artificial em que os computadores aprendem com um conjunto de dados de teste para tomar suas próprias decisões sobre classificação. Os cientistas treinaram um modelo usando um grande conjunto de simulações de galáxias, chamado IllustrisTNG. O conjunto de aprendizagem incluiu galáxias semelhantes à nossa, a Via Láctea, com o objetivo de entender melhor quais propriedades galácticas melhor predizem a distribuição da matéria escura.

“Ironicamente, é mais fácil estudar a distribuição da matéria escura muito mais longe [da Terra] porque ela reflete um passado muito distante, que é muito menos complexo”, disse Jeong. “Com o tempo, conforme a estrutura em grande escala do universo cresceu, a complexidade do universo aumentou, então é inerentemente mais difícil fazer medições sobre a matéria escura localmente.”

Três mapas de densidade do universo usam inteligência artificial e modelagem para entender a atração da gravidade em diferentes galáxias. (Crédito da imagem: Hong et. Al., Astrophysical Journal)

Quando o modelo estava pronto para começar a classificar as informações por conta própria, os pesquisadores mostraram dados da vida real do catálogo de galáxias Cosmicflows-3, que inclui os movimentos e distribuição de 17.000 galáxias em 200 megaparsecs da Via Láctea. (Um parsec tem aproximadamente 3,26 anos-luz, o que é cerca de 19,2 trilhões de milhas ou 30,9 trilhões de quilômetros.)

Com os dados incluídos, o modelo reproduziu com precisão o Grupo Local de galáxias nas proximidades da Via Láctea, bem como um conhecido “vazio local” que inclui regiões vazias do espaço nas proximidades, entre outras estruturas visíveis no mapa.

O mapa também mostrou vários novos filamentos que a equipe planeja estudar mais, incluindo aqueles que conectam nossa galáxia a Andrômeda. O mapa será ainda mais preciso depois que o Telescópio Espacial James Webb da NASA, de US $ 9,8 bilhões, que deve ser lançado ainda este ano, enviar dados que permitirão aos pesquisadores ver galáxias ainda mais fracas e distantes, disseram os pesquisadores.

“Ter um mapa local da teia cósmica abre um novo capítulo do estudo cosmológico”, disse Jeong. “Podemos estudar como a distribuição da matéria escura se relaciona com outros dados de emissão, o que nos ajudará a entender a natureza da matéria escura.”

Um artigo baseado na pesquisa foi publicado em 26 de maio no The Astrophysical Journal. A equipe foi liderada por Sungwook Hong, que tem dupla afiliação com a Universidade de Seul e o Instituto Coreano de Astronomia e Ciência Espacial.


Publicado em 29/06/2021 03h13

Artigo original:

Estudo original: