AI를 사용하여 우주의 설정을 계산한다.

은하계 뇌

네이처천문학(Nature Astronomy) 저널에 게재된 연구에 자세히 나와 있듯이, 연구원들은 특별히 훈련된 AI가 약 110,000개의 은하를 조사하여 매개변수를 추정할 수 있었으며, 기존 분석에서는 4배 더 많은 은하가 필요했을 수준의 정밀도를 달성했다.

연구 공동 저자이자 플랫아이언 연구소(Flatiron Institute)의 천체물리학자인 리암 파커(Liam Parker)는 연구에 대한 성명에서, 수요가 많은 매개변수는 "근본적으로 우주의 '설정'으로, 우주가 가장 큰 규모에서 어떻게 작동하는지 결정한다."라고 말했다.

과학자들은 이러한 "설정"을 밝혀내어 이를 사용하여 표준 우주론 모델을 테스트하고 수정하고, 심지어 가장 시급한 위기 중 하나를 설명하기를 바란다.

조사 그리고 기도

우주의 무수한 은하계를 지도화하는 데는 많은 시간, 노력, 비용이 든다. 공동 저자이자 플랫아이언 천체물리학자인 셜리 호(Shirley Ho)에 따르면, 가장 큰 규모의 조사는 각각 수억 달러 또는 수십억 달러가 들 수 있다. 그리고 우리가 조사를 하는 주된 이유는 그 자랑스러운 우주론적 매개변수를 얻기 위해서라고 그녀는 말했다.

"가능한 한 이러한 조사에서 많은 지식을 추출하고 우주에 대한 이해의 경계를 넓히기 위해 최상의 분석을 원한다."라고 셜리 호는 성명에서 말했다.

매개변수는 눈에 보이는 물질과 보이지 않지만 가설적인 대응물인 암흑 물질과 암흑 에너지가 우주적 규모로 어떻게 조직되는지 알려준다. 예를 들어 한 매개변수는 물질이 뭉치는 경향을 설명하는데, 주요 중력적 영향을 미치는 암흑 물질은 이를 촉진하는 데 없어서는 안 될 역할을 한다.

그러나 이러한 값은 항상 미세 조정이 필요하다. 그래서 혼합에 더하기 위해, 연구자들은 각각 다른 "설정"으로 만들어진 2,000개의 시뮬레이션된 우주에서 AI를 훈련시키는 것으로 시작했다.

이를 통해 모델은 이러한 다양한 매개변수가 야기한 은하 분포의 미묘한 효과를 인식하도록 학습했다. AI 모델은 또한 세 개 이상의 은하를 동시에 분석하여 그 사이에 형성된 대규모 모양을 인식했다.

사소한 것

그러나 결정적으로 AI는 또한 은하 클러스터링의 소규모 차이를 인식하는 데 능숙해졌다. AI가 마침내 100,000개 이상의 은하를 실제로 조사하라는 지시를 받았을 때 매우 정확한 결과를 얻은 이유이다.

지금까지 우주론적 매개변수를 계산하려는 노력은 "소규모로 축소할 수 없었다"고 프린스턴 대학의 우주론자인 수석 저자 한창훈은 성명에서 말했다. "지난 몇 년 동안 우리는 거기에 추가 정보가 있다는 것을 알고 있었다. 그저 그것을 추출할 좋은 방법이 없었을 뿐이다."

연구자들은 더 적은 데이터로 더 나은 결과를 얻을 수 있기 때문에, 이 기술이 허블 상수 긴장으로 알려진 우주론적 미스터리의 밑바닥에 도달하는 데 도움이 될 수 있다고 믿는다. 허블 상수 긴장이란 우주가 우주론적 모델에서 예측한 것보다 더 빠른 속도로 확장되는 것처럼 보이는 현상을 말한다.

"만약 우리가 양을 매우 정확하게 측정하고 긴장이 있다고 확실히 말할 수 있다면, 그것은 암흑 에너지와 우주의 확장에 대한 새로운 물리학을 밝혀낼 수 있을 것이다."고 한창훈은 말했다.