Մի խումբ գիտնականներ, հավանաբար, պատահաբար գտել են տիեզերագիտությունն ուսումնասիրելու արմատապես նոր միջոց:
Տիեզերագետները սովորաբար որոշում են տիեզերքի կազմը՝ հնարավորինս շատ մասեր դիտարկելով։ Բայց այս հետազոտողները պարզեցին, որ մեքենայական ուսուցման ալգորիթմը կարող է մանրակրկիտ ուսումնասիրել մեկ մոդելավորված գալակտիկա և կանխատեսել թվային տիեզերքի ընդհանուր կազմը, որտեղ այն գոյություն ունի, ինչը նման է մանրադիտակի տակ պատահական ավազահատիկի վերլուծությանը և Եվրասիայի զանգվածը որոշելուն: Թվում է, թե մեքենաները հայտնաբերել են մի օրինաչափություն, որը ապագայում կարող է թույլ տալ աստղագետներին իրական տիեզերքի մասին լայնածավալ եզրակացություններ անել՝ պարզապես ուսումնասիրելով տարրական շինանյութերը:
«Սա բոլորովին այլ գաղափար է։ Այդ միլիոնավոր գալակտիկաները չափելու փոխարեն, դուք կարող եք պարզապես վերցնել մեկը: Զարմանալի է, որ այն աշխատում է», - ասում է Նյու Յորքի Flatiron ինստիտուտի տեսական աստղաֆիզիկոս Ֆրանցիսկո Վիլաեսկուզա-Նավարոն և հոդվածի գլխավոր հեղինակը:
Սա չպետք է տեղի ունենար։ Անհավանական հայտնագործությունն առաջացել է այն վարժությունից, որը Վիլաեսկուզա-Նավարոն տվել է Յուպիտեր Դինին՝ Փրինսթոնի համալսարանի ուսանողին. կառուցել նեյրոնային ցանց, որը, հաշվի առնելով գալակտիկայի հատկությունները, կարող է գնահատել մի քանի տիեզերական հատկանիշ: Խնդիրը պարզապես Դինին մեքենայական ուսուցմանը ծանոթացնելն էր: Հետո նրանք նկատեցին, որ համակարգիչը հաշվարկում է նյութի ընդհանուր խտությունը։ «Ես կարծում էի, որ ուսանողը սխալ է թույլ տվել»,- ասել է Վիլյաեսկուզա-Նավարոն։ «Ինձ համար մի քիչ դժվար էր հավատալը, ճիշտն ասած»։
Հետազոտողները վերլուծել են 2000 թվային տիեզերք, որոնք ստեղծվել են Տիեզերագիտություն և աստղաֆիզիկա մեքենայական ուսուցման մոդելավորման (CAMELS) նախագծի շրջանակներում: Այս տիեզերքների կազմը տարբերվում էր նյութի 10%-ից մինչև 50%-ից, իսկ մնացածը մութ էներգիա է, ինչը հանգեցնում է տիեզերքի ավելի ու ավելի արագ ընդլայնման (Մեր իրական տիեզերքը կազմում է մոտավորապես մեկ երրորդը մութ և տեսանելի նյութ և երկու երրորդը մութ էներգիա): . Մոդելավորման առաջընթացի ընթացքում մութ նյութը և տեսանելի նյութը միաձուլվեցին գալակտիկաների մեջ: Մոդելավորումները ներառում էին նաև այնպիսի բարդ երևույթների կոպիտ բուժում, ինչպիսիք են գերնոր աստղերը և գերզանգվածային սև խոռոչներից արտանետումները:
Դինի նեյրոնային ցանցն ուսումնասիրել է գրեթե 1 միլիոն նմանակված գալակտիկաներ այս տարբեր թվային տիեզերքներում: Իր աստվածանման տեսանկյունից նա գիտեր յուրաքանչյուր գալակտիկայի չափը, կազմը, զանգվածը և մեկ տասնյակից ավելի այլ բնութագրեր: Նա ձգտում էր թվերի այս ցանկը կապել մայր տիեզերքի նյութի խտության հետ:
Դա հաջողվեց։ Երբ փորձարկվեց հազարավոր նոր գալակտիկաների վրա տասնյակ տիեզերքներից, որոնք նախկինում չէր ուսումնասիրել, նեյրոնային ցանցը կարողացավ կանխատեսել տիեզերական նյութի խտությունը 10% ճշգրտությամբ: «Կարևոր չէ, թե որ գալակտիկան եք նայում, ոչ ոք չէր կարծում, որ դա հնարավոր է», - ասաց Վիլյաեսկուզա-Նավարոն:
Հետաքրքիր է նաև.
- Space Entertainment Enterprise-ը տիեզերական ֆիլմերի ստուդիա կգործարկի 2024 թվականին
- Amazon Alexa-ն կլինի NASA-ի թվային օգնականը Artemis I տիեզերական առաքելության ժամանակ
Ալգորիթմի կատարումը զարմացրել է հետազոտողներին, քանի որ գալակտիկաներն իրենց էությամբ քաոսային օբյեկտներ են: Ոմանք ձևավորվում են միանգամից, իսկ մյուսներն աճում են՝ ուտելով իրենց հարևաններին։ Հսկա գալակտիկաները հակված են պահպանել իրենց նյութը, մինչդեռ գաճաճ գալակտիկաների գերնոր աստղերը և սև խոռոչները կարող են դուրս մղել իրենց տեսանելի նյութի մեծ մասը:
Մեկ մեկնաբանությունն այն է, որ «Տիեզերքը և/կամ գալակտիկաները ինչ-որ կերպ ավելի պարզ են, քան մենք պատկերացնում էինք»: Թիմը վեց ամիս ծախսեց՝ փորձելով հասկանալ, թե ինչպես է նեյրոնային ցանցն այդքան իմաստուն դարձել: Նրանք ստուգեցին, որպեսզի համոզվեն, որ ալգորիթմը պարզապես չի գտել խտությունը սիմուլյացիոն կոդից, այլ ոչ թե հենց գալակտիկաներից: Մի շարք փորձերի միջոցով հետազոտողները հասկացան, թե ինչպես է ալգորիթմը որոշում տիեզերական խտությունը։ Բազմիցս վերապատրաստելով ցանցը, սիստեմատիկ կերպով թաքցնելով տարբեր գալակտիկական հատկություններ՝ նրանք կենտրոնացան ամենակարևոր ատրիբուտների վրա։
Նյարդային ցանցը բացահայտեց շատ ավելի ճշգրիտ և բարդ հարաբերություններ մոտավորապես 17 գալակտիկական հատկությունների և նյութի խտության միջև: Այս կապը պահպանվում է չնայած գալակտիկական միաձուլումներին, աստղերի պայթյուններին և սև խոռոչների ժայթքմանը:
Ուսումնասիրությունը ցույց է տալիս, որ տեսականորեն Ծիր Կաթինի և, հավանաբար, մոտակա մի քանի այլ գալակտիկաների համապարփակ ուսումնասիրությունը կարող է թույլ տալ չափազանց ճշգրիտ չափել նյութը մեր տիեզերքում: Նման փորձը, ասում է Վիլյաեսկուզ-Նավարոն, կարող է հուշումներ տալ տիեզերական նշանակության այլ թվերի, օրինակ՝ տիեզերքի երեք տեսակի նեյտրինոների անհայտ զանգվածների գումարի մասին:
Հետազոտողներ Ուրախացեք, որ նեյրոնային ցանցը կարողացավ օրինաչափություններ գտնել երկու անկախ սիմուլյացիաների խառնաշփոթ գալակտիկաներում: Թվային հայտնագործությունը բարձրացնում է հավանականությունը, որ իրական տիեզերքը կարող է ունենալ նմանատիպ կապ մեծի և փոքրի միջև:
Սա շատ լավ բան է։ Այն կապ է հաստատում ամբողջ տիեզերքի և մեկ գալակտիկայի միջև:
Կարդացեք նաև.
- Աստղագետները հայտնաբերել են գալակտիկական միգամածությունների նոր դաս
- Գիտնականներն առաջին անգամ հաստատել են սև խոռոչների էքսցենտրիկ միաձուլումը