Ученые из Института передовых исследований и проекта Космологии и астрофизики с имитацией машинного обучения (CAMELS) использовали алгоритм машинного обучения «символьной регрессии», чтобы разработать новые уравнения, которые помогут решить фундаментальную проблему в астрофизике: вывод масс галактических скоплений.
Квантовые вычисления - будущее науки. Ученые из Института передовых исследований и проекта Космологии и астрофизики с имитацией машинного обучения (CAMELS) использовали алгоритм машинного обучения «символьной регрессии», чтобы разработать новые уравнения, которые помогут решить фундаментальную проблему в астрофизике: вывод масс галактических скоплений.
Галактические скопления - самые массивные объекты во Вселенной, каждый кластер содержит от сотен до многих тысяч галактик, наряду с коллекциями плазмы, горячего рентгеновского газа и темной материи. Понимание таких галактических скоплений важно для определения происхождения и продолжающейся эволюции нашей вселенной.
Измерение количества существующих кластеров и их массы может помочь понять фундаментальные свойства, такие как общая плотность материи во Вселенной, характер темной энергии и другие важные вопросы. По словам соавтора и профессора физики Университета Коннектикут Даниэля Англьеса-Алькасара, понимание масс галактических скоплений является важным фактором при ответе на такие вопросы.
Ранее ученые считали, что масса кластера пропорциональна более легко измеряемой величине, называемой «интегрированным электронному давлению» (или потоку Суняева-Зельдовича, часто сокращенно - YSZ). Однако интегрированное электронное давление не является надежным индикатором массы, поскольку оно может вести себя неоднородно в разных галактических скоплениях. Отсутствие точности в YSZ/mass эквивалентности приводит к необходимости учитывать все части кластера. Как результат, масса кластера искажается, а погрешности наблюдаются в измерениях. Однако машинное обучение может помочь решить эту проблему.
Digvijay Wadekar, настоящий член Школы естественных наук Института передовых исследований, работал с коллегами из десяти разных учреждений, чтобы разработать программу искусственного интеллекта (AI), которая выявляет дополнительные переменные, которые могут сделать вывод массы из YSZ более точным. Ученые питали свою программу AI современными космологическими симуляциями, разработанными группами в Гарварде и в Центре вычислительной астрофизики в Нью-Йорке.
