Иллюстрация: ИИ помогает открывать новые сверхпроводники
Искусственный интеллект переписывает законы космоса: eROSITA нашла нового союзника
Вселенная, как известно, любит загадывать загадки, но обычно мы привыкли, что их разгадывают академики с многолетним стажем и тоннами формул. Однако времена меняются, и сегодня в обсерватории за пультом управления может сидеть не седовласый профессор, а нейросеть. Международная команда астрофизиков впервые применила машинное обучение для прямого считывания фундаментальных параметров нашей Вселенной по данным российско-немецкого телескопа eROSITA. И результат, надо сказать, впечатляет даже видавших виды астрономов.
Вместо того чтобы мучительно перебирать косвенные признаки и гадать на кофейной гуще из реликтового излучения, учёные обучили алгоритм Random Forest на гидродинамических симуляциях Magneticum. Проще говоря, искусственный интеллект сначала «натаскали» на виртуальных вселенных, где параметры известны заранее, а потом отправили в бой с реальными данными о скоплениях галактик. Модель анализировала рентгеновские характеристики — температуру, массу газа, светимость и радиусы — и на выходе выдала сухой остаток: плотность материи в космосе (Ωm) равна 0,30, амплитуда флуктуаций (σ8) — 0,81, а постоянная Хаббла (h0) — 0,710.
Казалось бы, что тут такого? Цифры как цифры. Но главная интрига этого исследования кроется именно в последнем числе. Полученное значение постоянной Хаббла встаёт в жёсткую оппозицию к данным европейского спутника «Планк», который выдаёт немного иные цифры для ранней Вселенной. Зато новые оценки удивительно точно ложатся в русло так называемых локальных измерений, которые проводятся по движениям ближайших звёзд и галактик. Это прямое попадание в эпицентр космологической драмы последних лет — «напряжения Хаббла», где физики никак не могут примирить скорость расширения Вселенной в её молодости и сейчас.
Здесь важно понимать, почему это открытие — не просто галочка в отчёте. До сих пор многие оценки параметров зависели от того, как именно астрономы калибруют массу скоплений — это слабое место, где всегда можно придраться к систематическим ошибкам. Машинное обучение предложило обходной путь, снизив влияние человеческого фактора и бюрократической математики. Алгоритм просто смотрит на рентгеновский «почерк» галактических кластеров и выносит вердикт, не оглядываясь на каноны классической статистики.
В перспективе этот подход может стать не просто модным хайпом, а основным рабочим инструментом для обсерваторий нового поколения. Когда объёмы данных с eROSITA и будущих телескопов вырастут в разы, традиционные методы вычислений рискуют захлебнуться в потоке информации. А вот нейросети, наоборот, будут только умнеть и выдавать всё более точные прогнозы.
Мы присутствуем при рождении новой эры в космологии — эры, где судьбу теории относительности решает не столько гениальность одиночки, сколько мощность серверных стоек. Конечно, до полного замещения учёных компьютерами ещё далеко, но этот эксперимент показал главное: мы можем доверять машинам даже в самом сложном вопросе — вопросе о происхождении и судьбе всего сущего.
Читайте также:
Почему это важно
- Крупное игровое издание уволило журналистов и заменило их ИИ —…
- Microsoft заменяет OpenAI на свои ИИ-модели ради экономии – MAI…
- Свет имитирует мозг: в фотонных чипах обнаружен механизм работы,…
Об авторе
