La Inteligencia Artificial ayuda a comprender la energÃa oscura
Las propiedades de la energÃa oscura han sido inferidas mediante Inteligencia Artificial (IA) con mayor precisión a partir de un mapa de materia oscura y visible en el universo de 7.000 millones de años.
El estudio, presentado a Monthly Notices of the Royal Astronomical Society y disponible en el servidor de preimpresión arXiv, fue realizado por la colaboración Dark Energy Survey (DES). Los investigadores duplicaron la precisión con la que se podÃan inferir del mapa las caracterÃsticas clave del universo, incluida la densidad general de la energÃa oscura.
Esta mayor precisión permite a los investigadores descartar modelos del universo que anteriormente podrÃan haber sido concebibles.
La energÃa oscura es la fuerza misteriosa que está acelerando la expansión del universo y se cree que constituye alrededor del 70% del contenido del universo (con la materia oscura, materia invisible cuya gravedad atrae a las galaxias, que representa el 25%, y la materia normal solo el 5%).
El autor principal, el Dr. Niall Jeffrey, del Departamento de FÃsica y AstronomÃa del UCL (University College London), dijo: "Al utilizar la IA para aprender de universos simulados por computadora, aumentamos la precisión de nuestras estimaciones de propiedades clave del universo en un factor de dos.
"Para lograr esta mejora sin estas técnicas novedosas, necesitarÃamos cuatro veces más cantidad de datos. Esto equivaldrÃa a cartografiar otros 300 millones de galaxias".
El coautor Dr. Lorne Whiteway dijo en un comunicado: "Nuestros hallazgos están en lÃnea con la mejor predicción actual de la energÃa oscura como una 'constante cosmológica' cuyo valor no varÃa en el espacio o el tiempo. Sin embargo, también permiten flexibilidad para que una explicación diferente sea correcta. Por ejemplo, aún podrÃa ser que nuestra teorÃa de la gravedad esté equivocada".
En lÃnea con análisis anteriores del mapa del Dark Energy Survey, publicado por primera vez en 2021, los hallazgos sugieren que la materia en el universo está más uniformemente distribuida (menos grumosa) de lo que predecirÃa la teorÃa de la relatividad general de Einstein. Sin embargo, la discrepancia fue menos significativa para este estudio en comparación con el análisis anterior, ya que las barras de error eran más grandes.
El mapa del Dark Energy Survey se obtuvo mediante un método llamado lente gravitacional débil, es decir, viendo cómo la luz de galaxias distantes ha sido curvada por la gravedad de la materia intermedia en su camino hacia la Tierra.
La colaboración analizó distorsiones en las formas de 100 millones de galaxias para inferir la distribución de toda la materia, tanto oscura como visible, en el primer plano de esas galaxias. El mapa resultante cubrÃa una cuarta parte del cielo en el hemisferio sur.
Para el nuevo estudio, los investigadores utilizaron supercomputadoras financiadas por el gobierno del Reino Unido para ejecutar simulaciones de diferentes universos basadas en los datos del mapa de materia del Dark Energy Survey. Cada simulación tenÃa un modelo matemático diferente del universo que la sustentaba.
Los investigadores crearon mapas de materia a partir de cada una de estas simulaciones. Se utilizó un modelo de aprendizaje automático para extraer la información de esos mapas que era relevante para los modelos cosmológicos. Una segunda herramienta de aprendizaje automático, que aprendió de los muchos ejemplos de universos simulados con diferentes modelos cosmológicos, examinó los datos reales observados y proporcionó las probabilidades de que cualquier modelo cosmológico fuera el verdadero modelo de nuestro universo.
Esta nueva técnica permitió a los investigadores utilizar mucha más información de los mapas de la que serÃa posible con el método anterior. Las simulaciones se ejecutaron en las instalaciones de computación de alto rendimiento (HPC) DiRAC.
La próxima fase de proyectos sobre el universo oscuro (incluida la misión Euclid de la Agencia Espacial Europea, lanzada el verano pasado) aumentará en gran medida la cantidad de datos que tenemos sobre las estructuras a gran escala del universo, lo que ayudará a los investigadores a determinar si la inesperada suavidad del universo es una señal de que los modelos cosmológicos actuales están equivocados o si hay otra explicación para ello.
Actualmente, esta suavidad está en desacuerdo con lo que se podrÃa predecir basándose en el análisis del fondo cósmico de microondas (CMB), la luz que quedó del Big Bang.
La colaboración Dark Energy Survey, de la cual la UCL es miembro fundador, está organizada por el Laboratorio del Acelerador Nacional Fermi (Fermilab) del Departamento de EnergÃa de EE.UU. e involucra a más de 400 cientÃficos de 25 instituciones en siete paÃses.
La colaboración ha catalogado cientos de millones de galaxias, utilizando fotografÃas del cielo nocturno tomadas por la Dark Energy Camera de 570 megapÃxeles, una de las cámaras digitales más potentes del mundo, durante seis años (de 2013 a 2019). La cámara, cuyo corrector óptico fue construido en la UCL, está montada en un telescopio en el Observatorio Interamericano Cerro Tololo en Chile.
