Des chercheurs ont utilisé un algorithme d'apprentissage automatique pour résoudre un problème fondamental en astrophysique : déterminer la masse des amas de galaxies. Ils ont réussi à améliorer la précision des inférences en identifiant de nouvelles variables.

Les amas de galaxies sont les objets les plus massifs de l'univers. Leur compréhension est cruciale pour comprendre les origines et l'évolution de notre univers. Mesurer leur masse est important pour comprendre les propriétés fondamentales de l'univers. Cependant, cette mesure est difficile car la matière noire qui compose la majorité de leur masse est invisible. Les scientifiques doivent donc inférer leur masse à partir d'autres quantités observables. Les chercheurs ont utilisé l'apprentissage automatique pour améliorer la précision de ces inférences. Ils ont utilisé un algorithme de régression symbolique pour identifier de nouvelles variables qui pourraient améliorer la précision des inférences. Ils ont nourri leur programme d'apprentissage automatique avec des simulations cosmologiques de pointe et ont identifié des variables supplémentaires qui pourraient rendre les inférences plus précises. Cette recherche est importante car elle permet de mieux comprendre les amas de galaxies et les propriétés de l'univers. Les progrès de l'apprentissage automatique peuvent aider les scientifiques à résoudre des problèmes difficiles en astrophysique et dans d'autres domaines. Nous devons continuer à investir dans ces technologies pour rester à la pointe de la recherche scientifique et pour comprendre notre univers de manière plus approfondie.