易坊好文馆

  1. 首页 > 生活百科 >

任何单一的星系都揭示了整个宇宙的组成

黑洞 暗物质 银河系 暗能量



任何单一的星系都揭示了整个宇宙的组成


【任何单一的星系都揭示了整个宇宙的组成】在对可能宇宙的计算机模拟中 ， 研究人员发现 ， 神经网络只需研究其中一个星系 ， 就可以推断整个宇宙中的物质量 。
在CAMELS项目中 ， 编码器模拟了数千个具有不同构图的宇宙 ， 在本视频末尾排列为立方体 。

一群科学家可能无意中发现了一种全新的宇宙学方法 。
宇宙学家通常通过尽可能多地观察宇宙来确定宇宙的组成 。 但这些研究人员发现 ， 机器学习算法可以仔细研究单个模拟星系 ， 并预测它所在的数字宇宙的整体构成——这一壮举类似于在显微镜下分析随机沙粒并计算欧亚大陆的质量 。 这些机器似乎找到了一种模式 ， 有一天 ， 天文学家可能仅仅通过研究其元素积木就能对真正的宇宙得出全面的结论 。
纽约Flatiron研究所的理论天体物理学家、该作品的主要作者Francisco Villaescusa-Navarro说：“这是一个完全不同的想法 。 ”“你可以只拿一个 ， 而不是测量这数百万个星系 。 这真的很神奇 。 ”
不应该 。 这个不太可能的发现源于Villaescusa-Navarro给普林斯顿大学本科生Jupiter Ding的练习：建立一个神经网络 ， 了解星系的性质 ， 可以估计几个宇宙学属性 。 作业只是为了让丁熟悉机器学习 。 然后他们注意到计算机正在确定物质的整体密度 。Villaescusa-Navarro说：“我以为学生犯了一个错误 。 ”“老实说 ， 我有点难以相信 。 ”
随后的调查结果出现在1月6日的预印本中 ， 该预印本已提交出版 。 研究人员分析了宇宙学和天体物理学与机器学习模拟（CAMELS）项目生成的2000个数字宇宙 。 这些宇宙的组成范围在10%至50%之间 ， 其余由暗能量组成 ， 这推动宇宙越来越快地扩张 。 （我们的实际宇宙由大约三分之一的暗物质和可见物质以及三分之二的暗能量组成 。 ）随着模拟的进行 ， 暗物质和可见物质一起旋转成星系 。 模拟还包括粗略处理超新星和从超大质量黑洞喷发的喷气式飞机等复杂事件 。
Ding的神经网络研究了这些多样化的数字宇宙中的近100万个模拟星系 。 从神一样的角度来看 ， 它知道每个星系的大小、组成、质量和其他十几个特征 。 它试图将这个数字列表与母宇宙中的物质密度联系起来 。
它成功了 。 当在数十个宇宙的数千个新鲜星系上进行测试时 ， 神经网络能够预测物质的宇宙密度在10%以内 。 Villaescusa-Navarro说：“你考虑的是哪个星系并不重要 。 ”“没有人想到这是可能的 。 ”
马克斯·普朗克天体物理学研究所模拟星系形成专家沃尔克·斯普林格尔没有参与这项研究 ， 他说：“一个星系可以使密度达到10%左右 ， 这让我非常惊讶 。 ”
该算法的性能让研究人员感到惊讶 ， 因为星系本质上是混沌对象 。 有些是一次性形成的 ， 有些是通过吃邻居来成长的 。 巨型星系倾向于抓住它们的东西 ， 而矮星系中的超新星和黑洞可能会弹出它们的大部分可见物质 。 尽管如此 ， 每个星系都设法密切关注了其宇宙中物质的总体密度 。
安大略省西部大学的天文学家Pauline Barmby说 ， 一种解释是“宇宙和/或星系在某些方面比我们想象的要简单得多 。 ”另一个是模拟有无法识别的缺陷 。
该团队花了半年时间试图了解神经网络是如何变得如此明智的 。 他们进行了检查 ， 以确保算法不仅找到了从模拟编码中推断密度的方法 ， 而不是从星系本身推断密度 。 Villaescusa-Navarro说：“神经网络非常强大 ， 但它们超级懒惰 。 ”

通过一系列实验 ， 研究人员了解了该算法是如何分割宇宙密度的 。 通过反复重新训练网络 ， 同时系统地模糊不同的银河属性 ， 他们专注于最重要的属性 。
列表顶部附近是一个与星系旋转速度相关的属性 ， 该属性与星系中心区域的物质（暗和其他物质）相对应 。 根据Springel的说法 ， 这一发现与身体直觉相匹配 。 在一个充满暗物质的宇宙中 ， 你会期待星系会变重 ， 旋转得更快 。 因此 ， 你可能会猜测旋转速度将与宇宙物质密度相关 ， 尽管仅这种关系就太粗糙了 ， 没有太大的预测能力 。 神经网络在17个左右的星系性质和物质密度之间发现了更精确、更复杂的关系 。 尽管银河系合并、恒星爆炸和黑洞爆发 ， 这种关系仍然存在 。 新西兰奥克兰大学的宇宙学家Shaun Hotchkiss说：“一旦你到达了[两个以上的财产

推荐阅读


上一篇：了解黑洞吗？如果不小心掉了黑洞，你猜还能出来吗？

下一篇：无线电——世界因此相邻