La comprensione dell’Universo è stata notevolmente ampliata grazie al Dark Energy Survey, un progetto che ha raddoppiato la precisione delle misurazioni dell’energia oscura attraverso l’uso di tecniche di intelligenza artificiale (AI) e simulazioni. Questo ha permesso di ottenere nuove prospettive sulla struttura dell’Universo e sulla possibile necessità di nuovi modelli cosmologici.
Un team di ricerca guidato dall’University College London (UCL) ha utilizzato tecniche di intelligenza artificiale per dedurre con maggiore precisione l’influenza e le proprietà dell’energia oscura da una mappa della materia oscura e visibile nell’Universo, coprendo gli ultimi sette miliardi di anni. Lo studio, condotto in collaborazione con il Dark Energy Survey, ha permesso di raddoppiare la precisione con cui si possono inferire caratteristiche chiave dell’Universo, come la densità complessiva dell’energia oscura, a partire dalla mappa.
Il dottor Niall Jeffrey (UCL Physics & Astronomy), autore principale dello studio, ha dichiarato: “Utilizzando l’AI per apprendere da universi simulati al computer, abbiamo aumentato la precisione delle nostre stime delle proprietà chiave dell’Universo di un fattore due. Per ottenere questo miglioramento senza queste tecniche innovative, avremmo bisogno di quattro volte la quantità di dati, equivalenti alla mappatura di altri 300 milioni di galassie.”
La mappa dell’energia oscura è stata ottenuta attraverso un metodo chiamato lente gravitazionale debole, osservando come la luce proveniente da galassie lontane è stata deviata dalla gravità della materia intervenuta nel suo cammino verso la Terra. La collaborazione ha analizzato le distorsioni nelle forme di 100 milioni di galassie per inferire la distribuzione di tutta la materia, sia oscura che visibile, davanti a quelle galassie. La mappa risultante ha coperto un quarto del cielo nell’emisfero meridionale.
Per il nuovo studio, i ricercatori hanno utilizzato supercomputer finanziati dal governo del Regno Unito per eseguire simulazioni di diversi universi basati sui dati della mappa della materia del Dark Energy Survey. Ogni simulazione era basata su un diverso modello matematico dell’universo. I ricercatori hanno creato mappe della materia da ciascuna di queste simulazioni e un modello di apprendimento automatico è stato utilizzato per estrarre le informazioni rilevanti per i modelli cosmologici. Un secondo strumento di apprendimento automatico, apprendendo dai numerosi esempi di universi simulati con diversi modelli cosmologici, ha esaminato i dati osservati reali e fornito le probabilità che un modello cosmologico fosse il vero modello del nostro Universo.
La prossima fase dei progetti sull’universo oscuro, inclusa la missione Euclid dell’Agenzia Spaziale Europea (ESA), aumenterà notevolmente la quantità di dati che abbiamo sulle strutture su larga scala dell’Universo, aiutando i ricercatori a determinare se la levigatezza inaspettata dell’Universo sia un segno che i modelli cosmologici attuali siano errati o se ci sia un’altra spiegazione per essa.
Attualmente, questa levigatezza è in contrasto con ciò che sarebbe previsto in base all’analisi del fondo cosmico a microonde (CMB), la luce residua del Big Bang.
