Штучний інтелект зміг знайти новий член у рівнянні для оцінки маси галактичних скупчень, який робить її точнішою. Це матиме велике значення для зрозуміння того, як влаштований Всесвіт.
Як дізнатися масу галактичних скупчень
Астрофізики з Інституту перспективних досліджень Інститут Флетірона застосували штучний інтелект для пошуку кращого способу оцінки маси скупчень галактик. І він запропонував ввести до відомого рівняння достатньо простий член, який значно підвищив його точність.
Ця задача тісно пов’язана з розумінням того, як влаштований наш Всесвіт. Для того, аби точно описати його минуле та майбутнє, необхідно знати, як у ньому розподіляється маса. А вона переважно зосереджена у скупченнях галактик, до складу яких можуть входити тисячі зоряних систем, на кшталт Чумацького Шляху.
Проблема в тому, що, крім них, велика частина маси може припадати на плазму, газ та пил, які ми часто просто не бачимо, а також на темну матерію, яка з навколишнім середовищем взагалі практично не взаємодіє.
Оцінка за змінами реліктового випромінювання
Для оцінки маси галактики використовується достатньо хитрий метод, який базується на тому факті, що коли матерія стискається під дією гравітації, то з неї вилітають електрони та виникає їхній підвищений тиск. Коли крізь хмару таких збуджених електронів пролітає фотон реліктового випромінювання, він перевипромінюється.
І властивості цих нових фотонів залежать від характеристик електронів. А з цих параметрів уже можна обчислити характеристики гравітаційного поля та, як наслідок, масу, яка його і породила. Але річ у тім, що різні скупчення галактик можуть мати різний внесок різних компонентів.
У деяких може бути більше темної матерії, в інших — газу та пилу, а в третіх — зір. І їхній вплив треба оцінювати по-різному. Тому рівняння, яким користуються астрофізики, може мати безліч додаткових коефіцієнтів, які так чи інакше впливають на результат.
Як штучний інтелект підвищив точність розрахунків
Саме проблема великої кількості варіантів коефіцієнтів і змусила вчених залучити до пошуків відповіді штучний інтелект. У принципі він нічим не відрізнявся від того, що використовується для безлічі інших задач.
Була певна множина результатів, на якій він навчився того, якими можуть бути правильні відповіді, а далі почав генерувати все нові й нові варіанти, перевіряючи їх на відповідність тому, що він засвоїв.
Різниця полягала лиш у тому, що цього разу він працював безпосередньо з рівняннями, застосовуючи метод символьної регресії. Зрештою, математичні вирази — це теж образи, які мозок математика оцінює, виходячи з попереднього досвіду.
Машина зробила все те саме, тільки швидше. І, зрештою, у штучного інтелекту вийшло знайти такий коефіцієнт, який зробив стандартний вираз значно ефективнішим. У результаті виявилося, що нове рівняння зменшує варіативність оцінки маси на 20—30 відсотків.
За матеріалами phys.org.
Тільки найцікавіші новини та факти у нашому Telegram-каналі!
Приєднуйтесь: https://t.me/ustmagazine
