โดย สเตฟานี ปัปปาส เผยแพร่เมื่อ 28 พฤษภาคม 2021
แผนที่สล็อตแตกง่ายให้มุมมองใหม่ของสสารที่มองไม่เห็นในละแวกจักรวาลของเรา ภาพเคลื่อนไหวนี้แสดงให้เห็นถึงการกระจายของสสารมืดที่ได้มาจากการจําลองตัวเลขเมื่อจักรวาลมีอายุประมาณ 3 พันล้านปี (เครดิตภาพ: กลุ่มบริษัทเวอร์โก/อเล็กซานเดร แอมบลาร์ด/ESA)
แผนที่ใหม่ของสสารมืดที่ทําโดยใช้ปัญญาประดิษฐ์เผยให้เห็นเส้นใยที่ซ่อนอยู่ของสิ่งที่มองไม่เห็น
เชื่อมกาแลคซีแผนที่มุ่งเน้นไปที่จักรวาลท้องถิ่น – ละแวกใกล้เคียงรอบทางช้างเผือก แม้จะอยู่ใกล้ ๆ แต่จักรวาลท้องถิ่นก็ยากที่จะทําแผนที่เพราะมันเต็มไปด้วยโครงสร้างที่ซับซ้อนที่ทําจากเรื่องที่มองเห็นได้ Donghui Jeong นักดาราศาสตร์ที่มหาวิทยาลัยรัฐเพนซิลเวเนียและผู้เขียนบทนําของการวิจัยใหม่
”เราต้องทําวิศวกรรมย้อนกลับเพื่อทราบว่าสสารมืดอยู่ที่ไหนโดยการดูที่กาแลคซี” จองบอกกับ Live Scienceสสารมืดเป็นสารลึกลับที่มองไม่เห็นซึ่งโต้ตอบกับสสารที่มองเห็นได้ผ่านแรงโน้มถ่วง นักวิจัยบางคนตั้งทฤษฎีว่าสสารที่มองไม่เห็นนี้อาจประกอบด้วยอนุภาคขนาดใหญ่ที่มีปฏิสัมพันธ์อย่างอ่อนหรือ WIMPs ซึ่งจะมีขนาดใหญ่มาก (สําหรับอนุภาคย่อย) และความเป็นกลางทางแม่เหล็กไฟฟ้าเพื่อไม่ให้มีปฏิสัมพันธ์กับอะไรในสเปกตรัมแม่เหล็กไฟฟ้าเช่นแสง ความคิดอื่นที่มีหลักฐานที่เป็นไปได้บางอย่างเพื่อสํารองคือว่าสสารมืดอาจประกอบด้วยอนุภาคแสงพิเศษที่เรียกว่าแกน
ไม่ว่าสสารมืดคืออะไร ผลกระทบของมันสามารถตรวจจับได้ในแรงโน้มถ่วงแทรกซึมเข้าไปในจักรวาล การทําแผนที่แรงโน้มถ่วงที่มองไม่เห็นไม่ใช่เรื่องง่าย โดยทั่วไปนักวิจัยจะทําโดยการเรียกใช้การจําลองคอมพิวเตอร์ขนาดใหญ่เริ่มต้นด้วยแบบจําลองของจักรวาลยุคแรกและการส่งต่ออย่างรวดเร็วผ่านการขยายตัวและวิวัฒนาการของสสารที่มองเห็นได้หลายพันล้านปีเติมช่องว่างแรงโน้มถ่วงเพื่อหาว่าสสารมืดอยู่ที่ไหนและควรอยู่ที่ไหนในปัจจุบัน สิ่งนี้ต้องใช้พลังการประมวลผลที่สําคัญและเวลาจํานวนมากจองกล่าวว่า
A map of dark matter generated by machine learning. The X represents the Milky Way, and the red denotes known features of the nearby universe. The yellow filaments are threads of dark matter connecting the galaxies.
(เครดิตภาพ: Hong et. al., วารสารดาราศาสตร์)
การศึกษาใหม่นี้ใช้วิธีการที่แตกต่างกัน นักวิจัยได้ฝึกโปรแกรมแมชชีนเลิร์นนิงเป็นครั้งแรกเกี่ยวกับการจําลองคอมพิวเตอร์หลายพันแบบของสสารที่มองเห็นได้และสสารมืดในจักรวาลท้องถิ่น แมชชีนเลิร์นนิงเป็นเทคนิคที่เชี่ยวชาญเป็นพิเศษในการเลือกรูปแบบจากชุดข้อมูลขนาดใหญ่ จักรวาลแบบจําลองในการศึกษามาจากชุดการจําลองที่ซับซ้อนที่เรียกว่า Illustris-TNG
หลังจากทดสอบการฝึกอบรมของอัลกอริทึมแมชชีนเลิร์นนิงในการจําลองจักรวาล Illustris-TNG ชุดที่สองเพื่อความถูกต้องนักวิจัยได้นําไปใช้กับข้อมูลในโลกแห่งความเป็นจริง พวกเขาใช้แคตตาล็อกกาแล็กซี่ Cosmicflows-3 ซึ่งเก็บข้อมูลเกี่ยวกับการกระจายและการเคลื่อนที่ของสสารที่มองเห็นได้ภายใน 200 เมกะพาร์เซกหรือ 6.5 พันล้านปีแสงของทางช้างเผือก พื้นที่นั้นรวมถึงกาแลคซีมากกว่า 17,000 กาแล็กซี
ผลที่ได้คือแผนที่ใหม่ของสสารมืดในจักรวาลท้องถิ่นและความสัมพันธ์กับสสารที่มองเห็นได้
ในการค้นพบที่มีแนวโน้มอัลกอริธึมแมชชีนเลิร์นนิงทําซ้ําสิ่งที่เป็นที่รู้จักหรือสงสัยเกี่ยวกับละแวกใกล้เคียงของทางช้างเผือกจากการจําลองจักรวาลวิทยา แต่ยังแนะนําคุณสมบัติใหม่, รวมทั้งเส้นใยยาวของสสารมืดที่เชื่อมต่อกาแลคซีรอบทางช้างเผือกกับมันและอีกคนหนึ่ง.
เนื้อหาที่เกี่ยวข้อง
—6 วิธีที่การตามล่าหาสสารมืดเปลี่ยนไป
-11 คําถามที่ใหญ่ที่สุดที่ไม่ได้รับคําตอบเกี่ยวกับสสารมืด
-18 ความลึกลับที่ยังไม่คลี่คลายที่ใหญ่ที่สุดในฟิสิกส์
นี่เป็นสิ่งสําคัญสําหรับการทําความเข้าใจว่ากาแลคซีจะเคลื่อนที่เมื่อเวลาผ่านไป, จองกล่าวว่า. ตัวอย่างเช่นทางช้างเผือกและกาแลคซี Andromeda คาดว่าจะชนกันในเวลาประมาณ 4.5 พันล้านปี การทําความเข้าใจบทบาทของสสารมืดในท้องถิ่นในการปะทะกันนั้นสามารถช่วยจัดการกับการควบรวมกิจการนั้นได้อย่างแม่นยํายิ่งขึ้นว่าการควบรวมกิจการนั้นและเมื่อใดและเมื่อใดจะเกิดขึ้น
”ตอนนี้เรารู้แล้วว่าการกระจายตัวของสสารมืดเราสามารถคํานวณความเร่งที่จะย้ายกาแลคซีรอบตัวเราได้อย่างแม่นยํายิ่งขึ้น” จองกล่าว การวิจัยปรากฏเมื่อวันที่ 26 พฤษภาคมในวารสารดาราศาสตร์สล็อตแตกง่าย
