O Modelo Padrão descreve como o Universo evoluiu em larga escala. Há seis números que definem o modelo e uma equipe de pesquisadores os usou para construir simulações do Universo. Os resultados dessas simulações foram então alimentados a um algoritmo de aprendizado de máquina para treiná-lo antes de receber a tarefa de estimar cinco das constantes cosmológicas, uma tarefa que ele completou com incrível precisão.
O Modelo Padrão incorpora uma série de elementos; o Big Bang, energia escura, matéria escura fria, matéria comum e a radiação cósmica de fundo. Ele funciona bem para descrever a estrutura em larga escala do Universo, mas há lacunas em nossa compreensão. A física quântica pode descrever a pequena escala do Universo, mas luta com a gravidade e há questões em torno da matéria escura e da energia escura também. Entendê-las pode ajudar em nossa compreensão da evolução e estrutura do Universo.
Uma equipe de pesquisadores do Flatiron Institute conseguiu extrair algumas informações ocultas na distribuição de galáxias para estimar os valores de cinco parâmetros. A precisão foi uma grande melhoria em relação aos valores obtidos em tentativas anteriores. Usando tecnologia de IA, os resultados da equipe tiveram menos da metade da incerteza para o elemento que descreve a aglomeração do Universo do que na tentativa anterior. Seus resultados também revelaram estimativas de outros parâmetros que se assemelhavam muito à observação. O artigo foi publicado na Nature Astronomy em 21 de agosto.
A equipe gerou 2.000 universos simulados após especificar cuidadosamente seus parâmetros cosmológicos. Estes incluíam taxa de expansão, distribuição e aglomeração de matéria comum, matéria escura e energia escura e usando estes a equipe executou as simulações. A saída foi então comprimida em conjuntos de dados gerenciáveis e isto foi usado para comparar com mais de cem mil dados de galáxias reais. A partir disto, foi possível para os pesquisadores estimarem os parâmetros para o Universo real.
Os parâmetros que a equipe conseguiu ajustar são aqueles que descrevem como o Universo opera na maior escala. Essas são essencialmente as configurações para o Universo e incluem a quantidade de matéria comum, matéria escura, energia escura, as condições após o Big Bang e o quão aglomerada a matéria é. Anteriormente, essas configurações eram calculadas usando observações da estrutura de aglomerados de galáxias. Para chegar a um grupo mais preciso de configurações, as observações precisavam ir para uma escala menor, mas isso não foi possível.
Em vez de usar observações, a equipe usou sua abordagem de IA para extrair as informações de pequena escala que estavam escondidas nos dados observacionais existentes. No centro da abordagem estava o sistema de IA que aprendeu como correlacionar os parâmetros com a estrutura observada do Universo – mas em pequena escala.
No futuro, a equipe espera poder usar sua nova abordagem para resolver outros problemas. A incerteza sobre a Constante de Hubble é um exemplo em que a equipe espera que a IA possa ajudar a ajustar seu valor. Nos próximos anos, porém, e à medida que os dados observacionais se tornarem mais detalhados, tanto a Constante de Hubble quanto as Configurações do Universo se tornarão muito mais bem compreendidas, juntamente com nossa compreensão do Universo.
Fonte : Astrofísicos usam IA para calcular com precisão as ‘configurações’ do universo
