Lo studio, realizzato in collaborazione con il Dark Energy Survey, ha raddoppiato la precisione con cui è possibile inferire caratteristiche chiave dell’Universo, come la densità complessiva dell’energia oscura, a partire dalla mappa. Questo incremento di precisione permette di escludere modelli dell’Universo che prima potevano essere considerati plausibili.
L’energia oscura è quella forza misteriosa che accelera l’espansione dell’Universo e si pensa che costituisca circa il 70% del contenuto dell’Universo (con la materia oscura, sostanza invisibile la cui gravità attrae le galassie, che rappresenta il 25%, e la materia normale solo il 5%).
Il dottor Niall Jeffrey, autore principale dello studio e membro del dipartimento di Fisica e Astronomia dell’UCL, ha dichiarato: “Utilizzando l’AI per imparare da universi simulati al computer, abbiamo aumentato la precisione delle nostre stime delle proprietà chiave dell’Universo di un fattore due. Per ottenere questo miglioramento senza queste tecniche innovative, avremmo bisogno di quattro volte la quantità di dati, equivalenti a mappare altri 300 milioni di galassie”.
Il dottor Lorne Whiteway, co-autore dello studio, ha aggiunto: ”I nostri risultati sono in linea con l’attuale migliore previsione dell’energia oscura come una ‘costante cosmologica’ il cui valore non varia nello spazio o nel tempo. Tuttavia, consentono anche la flessibilità per una spiegazione diversa per essere corretta. Ad esempio, potrebbe ancora essere che la nostra teoria della gravità sia sbagliata”.
In linea con le analisi precedenti della mappa del Dark Energy Survey, pubblicate per la prima volta nel 2021, i risultati suggeriscono che la materia nell’Universo è distribuita più uniformemente – meno grumosa – di quanto la teoria della relatività generale di Einstein prevederebbe. Tuttavia, la discrepanza era meno significativa per questo studio rispetto all’analisi precedente, poiché le barre di errore erano più grandi.
La mappa del Dark Energy Survey è stata ottenuta attraverso un metodo chiamato lente gravitazionale debole, ossia osservando come la luce proveniente da galassie lontane è stata deviata dalla gravità della materia intervenuta nel suo cammino verso la Terra.
La collaborazione ha analizzato le distorsioni nelle forme di 100 milioni di galassie per inferire la distribuzione di tutta la materia, sia oscura che visibile, nel primo piano di quelle galassie. La mappa risultante copriva un quarto del cielo nell’emisfero meridionale.
Per il nuovo studio, i ricercatori hanno utilizzato supercomputer finanziati dal governo del Regno Unito per eseguire simulazioni di diversi universi basati sui dati della mappa della materia del Dark Energy Survey. Ogni simulazione aveva un diverso modello matematico dell’universo alla base.
I ricercatori hanno creato mappe della materia da ciascuna di queste simulazioni. Un modello di machine learning è stato utilizzato per estrarre le informazioni in quelle mappe che erano rilevanti per i modelli cosmologici. Un secondo strumento di machine learning, imparando dai molti esempi di universi simulati con diversi modelli cosmologici, ha esaminato i dati reali osservati e ha fornito le probabilità su qualsiasi modello cosmologico che fosse il vero modello del nostro Universo.
Questa nuova tecnica ha permesso ai ricercatori di utilizzare molte più informazioni dalle mappe di quanto sarebbe stato possibile con il metodo precedente.
Le simulazioni sono state eseguite su DiRAC High Performance Computing (HPC) facility, finanziato dal Science and Technology Facilities Council (STFC) del Regno Unito.
La prossima fase dei progetti sull’universo oscuro, inclusa la missione Euclid dell’Agenzia Spaziale Europea (ESA), aumenterà notevolmente la quantità di dati che abbiamo sulle strutture su larga scala dell’Universo, aiutando i ricercatori a determinare se l’insolita uniformità dell’Universo è un segno che i modelli cosmologici attuali sono errati o se c’è un’altra spiegazione per essa.
Attualmente, questa uniformità è in contrasto con ciò che sarebbe previsto in base all’analisi del fondo cosmico a microonde (CMB), la luce residua del Big Bang.
Il Dark Energy Survey, di cui l’UCL è membro fondatore, è ospitato dal Fermi National Accelerator Laboratory (Fermilab) del Dipartimento dell’Energia degli Stati Uniti e coinvolge più di 400 scienziati di 25 istituzioni in sette nazioni.
La collaborazione ha catalogato centinaia di milioni di galassie, utilizzando fotografie del cielo notturno scattate dalla Dark Energy Camera da 570 megapixel, una delle fotocamere digitali più potenti al mondo, nel corso di sei anni (dal 2013 al 2019). La fotocamera, il cui correttore ottico è stato costruito all’UCL, è montata su un telescopio presso l’Osservatorio Interamericano Cerro Tololo della National Science Foundation in Cile.