Ученые создали инструмент для картографирования Вселенной: в десятки раз быстрее традиционных

Во Вселенной галактики образуют скопления, которые объединяются в сверхскопления и формируют "космическую паутину" из нитей и полостей. Исследование столь масштабной структуры является сложной задачей, ведь оно требует сочетания астрономических наблюдений с теоретическими моделями, сообщает Phys. Одной из них является Эффективная теория поля крупномасштабных структур (Effective Field Theory in Large Scale Structure, EFTofLSS), которая статистически описывает распределение материи во Вселенной.

Модели такого уровня дают точные прогнозы, но требуют значительных ресурсов и времени. С ростом объемов астрономических данных, в частности от исследований DESI и миссии Euclid, которые уже начали публиковать результаты, проведение детальных расчетов каждый раз становится практически невозможным. Чтобы упростить этот процесс, ученые создают эмуляторы — алгоритмы, которые воспроизводят поведение моделей, работая гораздо быстрее.

Международная команда с участием Института астрофизики INAF в Италии, Пармского университета и Университета Ватерлоо в Канаде, разработала новый эмулятор под названием Effort.jl. Исследование опубликовано в журнале Journal of Cosmology and Astroparticle Physics. Тестирование показало, что этот инструмент воспроизводит точность оригинальной модели, а иногда отображает даже более мелкие детали.

По словам первого автора работы Марко Боничи из Университета Ватерлоо, теория работает подобно описанию жидкости. На микроуровне можно моделировать атомы, но для понимания движения воды в стакане достаточно обобщенных свойств. Так же EFTofLSS описывает крупномасштабное строение Вселенной на основе влияния более мелких физических процессов.

Особенность Effort.jl заключается в использовании нейронной сети, которая обучается на уже известных прогнозах модели и впоследствии может предсказывать результаты для новых параметров. В отличие от стандартных методов, этот алгоритм интегрирует заранее знания о том, как изменяются результаты при вариации параметров, что значительно сокращает время обучения. Дополнительно использование градиентов позволяет получить правильные прогнозы на основе меньшего количества примеров.

Проверка на смоделированных и реальных данных подтвердила, что Effort.jl обеспечивает точность, сравнимую с оригинальной теорией. В некоторых случаях он даже позволил восстановить части анализа, которые обычно сокращают из-за нехватки ресурсов. Это делает новый эмулятор ценным инструментом для работы с большими объемами будущих астрономических данных.

Как подытожил Боничи, Effort.jl может существенно ускорить анализ и позволить более эффективно использовать информацию из новых масштабных космологических экспериментов. Ожидается, что такие технологии помогут значительно углубить знания о строении Вселенной в ближайшие годы.

Недавно впервые в истории запустили фотонный квантовый компьютер на борту спутника, который открыл новую эру для обработки космических данных. Главное преимущество этой технологии заключается в способности обрабатывать информацию непосредственно в космосе, что устраняет необходимость отправлять большие объемы необработанных данных на Землю, улучшая скорость и эффективность.