Gürkan Özsoy Blog

Tamamen Kişisel

Yapay zeka kullanılarak karanlık enerjinin daha kesin anlaşılması sağlandı



UCL liderliğindeki bir araştırma ekibi, son 7 milyar yılı kapsayan evrendeki karanlık ve görünür madde haritasından karanlık enerjinin etkisini ve özelliklerini daha kesin bir şekilde çıkarmak için yapay zeka (AI) tekniklerini kullandı.

Monthly Notices of the Royal Astronomical Society’ye gönderilen ve arXiv ön baskı sunucusunda bulunan çalışma, Dark Energy Survey işbirliği tarafından gerçekleştirildi. Araştırmacılar, karanlık enerjinin genel yoğunluğu da dahil olmak üzere evrenin temel özelliklerinin haritadan çıkarılabileceği hassasiyeti iki katına çıkardılar.

Bu artan hassasiyet, araştırmacıların daha önce akla gelebilecek evren modellerini ekarte etmelerini sağlıyor.

Karanlık enerji, evrenin genişlemesini hızlandıran gizemli güçtür ve evrenin içeriğinin yaklaşık %70’ini oluşturduğu düşünülmektedir.

Araştırmanın baş yazarı Dr. Niall Jeffrey (UCL Fizik ve Astronomi) şunları söyledi: “Bilgisayar simülasyonlu evrenlerden öğrenmek için yapay zekayı kullanarak, evrenin temel özelliklerine ilişkin tahminlerimizin kesinliğini iki kat arttırdık. Bu yeni teknikler olmadan bu gelişmeyi elde etmek için dört kat daha fazla veriye ihtiyacımız olacaktı. Bu da 300 milyon galaksinin daha haritasını çıkarmaya eşdeğer olacaktır.”

Ortak yazar Dr. Lorne Whiteway (UCL Fizik ve Astronomi) ise şunları söyledi: “Bulgularımız, değeri uzayda veya zamanda değişmeyen bir ‘kozmolojik sabit’ olarak karanlık enerjinin mevcut en iyi tahminiyle uyumludur. Bununla birlikte, farklı bir açıklamanın doğru olması için de esneklik sağlıyorlar. Örneğin, yerçekimi teorimiz hala yanlış olabilir.”

İşbirliği, bu galaksilerin ön planındaki hem karanlık hem de görünür tüm maddelerin dağılımını çıkarmak için 100 milyon galaksinin şekillerindeki bozulmaları analiz etti. Ortaya çıkan harita Güney Yarımküre’deki gökyüzünün dörtte birini kapsadı.

Yeni çalışma için araştırmacılar, Karanlık Enerji Araştırması madde haritasından elde edilen verilere dayanarak farklı evrenlerin simülasyonlarını çalıştırmak için Birleşik Krallık hükümeti tarafından finanse edilen süper bilgisayarları kullandılar. Her simülasyonun temelinde farklı bir matematiksel evren modeli vardı.

Araştırmacılar bu simülasyonların her birinden madde haritaları oluşturdu. Bu haritalardaki kozmolojik modellerle ilgili bilgileri çıkarmak için bir makine öğrenimi modeli kullanıldı. Farklı kozmolojik modellere sahip çok sayıda simüle edilmiş evren örneğinden öğrenen ikinci bir makine öğrenimi aracı, gözlemlenen gerçek verilere baktı ve herhangi bir kozmolojik modelin evrenimizin gerçek modeli olma olasılığını verdi.

Bu yeni teknik, araştırmacıların haritalardan önceki yöntemle mümkün olandan çok daha fazla bilgi kullanmalarını sağladı. Simülasyonlar DiRAC Yüksek Performanslı Hesaplama (HPC) tesisinde çalıştırıldı.

UCL’nin kurucu üyesi olduğu Karanlık Enerji Araştırması işbirliği, ABD Enerji Bakanlığı’nın Fermi Ulusal Hızlandırıcı Laboratuvarı (Fermilab) tarafından yürütülmekte ve yedi ülkedeki 25 kurumdan 400’den fazla bilim insanını kapsamaktadır.

İşbirliği, dünyanın en güçlü dijital kameralarından biri olan 570 megapiksel Karanlık Enerji Kamerası tarafından altı yıl boyunca (2013’ten 2019’a kadar) çekilen gece gökyüzü fotoğraflarını kullanarak yüz milyonlarca galaksiyi katalogladı. Optik düzelticisi UCL’de inşa edilen kamera, Ulusal Bilim Vakfı’nın Şili’deki Cerro Tololo Amerikalılar Arası Gözlemevi’ndeki bir teleskoba monte edildi.


Daha fazla bilgi için: N. Jeffrey ve diğerleri, Karanlık Enerji Araştırması 3. Yıl sonuçları: zayıf mercekli harita istatistiklerinin sinirsel sıkıştırması ile olasılıksız, simülasyon tabanlı wCDM çıkarımı, arXiv (2024). DOI: 10.48550/arxiv.2403.02314
Haber kaynağı: University College London