Las propiedades de la energĂa oscura han sido inferidas mediante Inteligencia Artificial (IA) con mayor precisiĂłn 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 preimpresiĂłn arXiv, fue realizado por la colaboraciĂłn Dark Energy Survey (DES). Los investigadores duplicaron la precisiĂłn con la que se podĂan inferir del mapa las caracterĂsticas clave del universo, incluida la densidad general de la energĂa oscura.
Esta mayor precisiĂłn permite a los investigadores descartar modelos del universo que anteriormente podrĂan haber sido concebibles.
La energĂa oscura es la fuerza misteriosa que está acelerando la expansiĂłn 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 FĂsica y AstronomĂa del UCL (University College London), dijo: “Al utilizar la IA para aprender de universos simulados por computadora, aumentamos la precisiĂłn de nuestras estimaciones de propiedades clave del universo en un factor de dos.
“Para lograr esta mejora sin estas tĂ©cnicas novedosas, necesitarĂamos cuatro veces más cantidad de datos. Esto equivaldrĂa a cartografiar otros 300 millones de galaxias”.
El coautor Dr. Lorne Whiteway dijo en un comunicado: “Nuestros hallazgos están en lĂnea con la mejor predicciĂłn actual de la energĂa oscura como una ‘constante cosmolĂłgica’ cuyo valor no varĂa en el espacio o el tiempo. Sin embargo, tambiĂ©n permiten flexibilidad para que una explicaciĂłn diferente sea correcta. Por ejemplo, aĂşn podrĂa ser que nuestra teorĂa de la gravedad estĂ© equivocada”.
En lĂnea 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 predecirĂa la teorĂa de la relatividad general de Einstein. Sin embargo, la discrepancia fue menos significativa para este estudio en comparaciĂłn 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 colaboraciĂłn analizĂł distorsiones en las formas de 100 millones de galaxias para inferir la distribuciĂłn de toda la materia, tanto oscura como visible, en el primer plano de esas galaxias. El mapa resultante cubrĂa 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 simulaciĂłn tenĂa 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 tĂ©cnica permitiĂł a los investigadores utilizar mucha más informaciĂłn de los mapas de la que serĂa posible con el mĂ©todo anterior. Las simulaciones se ejecutaron en las instalaciones de computaciĂłn 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 podrĂa predecir basándose en el análisis del fondo cĂłsmico de microondas (CMB), la luz que quedĂł del Big Bang.
La colaboraciĂłn Dark Energy Survey, de la cual la UCL es miembro fundador, está organizada por el Laboratorio del Acelerador Nacional Fermi (Fermilab) del Departamento de EnergĂa de EE.UU. e involucra a más de 400 cientĂficos de 25 instituciones en siete paĂses.
La colaboraciĂłn ha catalogado cientos de millones de galaxias, utilizando fotografĂas del cielo nocturno tomadas por la Dark Energy Camera de 570 megapĂxeles, una de las cámaras digitales más potentes del mundo, durante seis años (de 2013 a 2019). La cámara, cuyo corrector Ăłptico fue construido en la UCL, está montada en un telescopio en el Observatorio Interamericano Cerro Tololo en Chile.
ÂżYa conoces nuestro canal de YouTube? ¡SuscrĂbete!Â