L’intelligenza artificiale andrà alla ricerca della materia oscura

Il cluster di galassie noto come El Gordo è uno degli ammassi più massicci mai osservati, caratterizzato da proprietà insolite che potrebbero fornire nuovi indizi sulla materia oscura , una sostanza invisibile che costituisce circa l’85% della materia dell’universo . Questa sostanza, che non emette né assorbe luce, può essere rilevata solo indirettamente attraverso la sua influenza gravitazionale. La sua natura e il suo comportamento sono ancora oggetto di studio e dibattito scientifico.

Nel modello standard della cosmologia, ogni galassia e ogni ammasso di galassie è circondato da un alone di materia oscura . Questi aloni, sebbene invisibili, possono essere tracciati osservando il modo in cui la materia oscura curva lo spazio circostante, creando un effetto chiamato lente gravitazionale . Questo fenomeno deforma la luce proveniente da oggetti più lontani, permettendo agli scienziati di mappare la distribuzione della materia oscura.

Quando due ammassi di galassie collidono, il comportamento della materia oscura durante la collisione può fornire indizi fondamentali sulla sua natura. La chiave per capire questo comportamento risiede in una proprietà chiamata sezione d’urto interattiva , che descrive come le particelle di materia oscura potrebbero interagire tra loro oltre che attraverso la gravità. Alcuni modelli ipotizzano che la materia oscura possa avere interazioni non gravitazionali, ma la misura di tali interazioni dipende dal valore della sezione d’urto.

Se la sezione d’urto è elevata, le particelle di materia oscura negli aloni degli ammassi collidenti interagiscono e si rallentano, mentre le galassie stesse attraversano la collisione quasi indisturbate, poiché le grandi distanze tra le stelle impediscono scontri diretti. Allo stesso tempo, il gas caldo presente nell’ammasso collidente emette raggi X a causa del riscaldamento prodotto dalla collisione.

Se invece la sezione d’urto è bassa o addirittura nulla, ci si aspetta che gli aloni di materia oscura rimangano attaccati alle galassie senza subire interferenze significative durante il passaggio reciproco.

Le osservazioni di collisioni tra ammassi di galassie, come nel caso di El Gordo , sono complicate dal fatto che possiamo osservare solo “istantanee” di questi eventi, poiché si verificano su scale temporali e spaziali enormi. Inoltre, le collisioni possono apparire diverse a seconda dell’ angolo di osservazione e dello stadio evolutivo in cui vengono studiate.

Un’ulteriore complicazione è rappresentata dai venti radiativi generati dalle galassie con buchi neri attivi all’interno degli ammassi. Questi venti possono espellere materiale dalle galassie e spostarlo nel mezzo intergalattico, alterando le aspettative sulla distribuzione della materia oscura.

Per affrontare queste sfide, David Harvey dell’ Ecole Polytechnique Fédérale de Lausanne ha sviluppato un algoritmo di deep learning addestrato su immagini simulate di collisioni di ammassi, prodotte dal progetto BAHAMAS (Baryons and Haloes of Massive Systems). L’algoritmo utilizza una Rete Neuronale Convoluzionale (CNN) in grado di riconoscere schemi nelle immagini, e una sua versione avanzata, soprannominata Inception , ha ottenuto un tasso di successo dell’80% nell’identificare correttamente i dettagli delle collisioni simulate.

Questo strumento innovativo si aggiunge agli sforzi per comprendere la materia oscura e la sua influenza sugli ammassi di galassie . Le osservazioni con il Telescopio Spaziale Hubble e la missione Euclid , recentemente lanciata dall’ Agenzia Spaziale Europea (ESA) , contribuiranno ulteriormente a esplorare l’ universo oscuro e il ruolo della materia oscura negli ammassi galattici.